Crack detection and classification in oil pipes using MRCNN algorithm
Başlık çevirisi mevcut değil.
- Tez No: 832715
- Danışmanlar: DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgi ve Belge Yönetimi, Information and Records Management
- Anahtar Kelimeler: Yapay zeka, Artificial intelligence
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Significant amounts of research and development have been devoted to the use of deep learning algorithms in civil engineering areas such as road and structural damage assessment. Scientists often select between“object detection”and“picture categorization”while doing research. The objective of the object detection procedure is to identify and label each individual visual component of a picture. On the other hand, the model is often thrown off by the unexpected fracture distribution and surface form of concrete, resulting in poor detection accuracy, Because of the intricacy of the topic and the necessity for human interpretation, the assessment of the results generated via deep learning and data design is inherently subjective. Nonetheless, both methods possess considerable architectural promise. Due to the increasing subjectivity of the data design, it has become more difficult to evaluate the results objectively. The mathematical foundation behind the application of deep learning algorithms to architectural challenges has not changed in the meantime.
Özet (Çeviri)
Yol ve yapısal hasar tespiti gibi inşaat mühendisliği alanlarında derin öğrenme algoritmalarının kullanımına önemli miktarda araştırma ve geliştirme ayrılmıştır. Bilim insanları araştırma yaparken sıklıkla“nesne tespiti”ile“resim sınıflandırması”arasında seçim yapar. Nesne algılama prosedürünün amacı, bir resmin her bir görsel bileşenini tanımlamak ve etiketlemektir. Öte yandan, model sıklıkla beklenmedik kırılma dağılımı ve betonun yüzey şekli nedeniyle bozulmakta, bu da algılama doğruluğunun zayıf olmasına neden olmaktadır. Konunun karmaşıklığı ve insan tarafından yorumlanmasının gerekliliği nedeniyle, oluşturulan sonuçların derin öğrenme ve veri tasarımı doğası gereği özneldir. Bununla birlikte, her iki yöntem de önemli mimari vaatlere sahiptir. Veri tasarımının artan öznelliği nedeniyle sonuçların objektif olarak değerlendirilmesi daha zor hale gelmiştir. Derin öğrenme algoritmalarının mimari zorluklara uygulanmasının ardındaki matematiksel temel bu arada değişmedi.
Benzer Tezler
- Dizel araçlarda ses analiz yöntemleri ve sürücü bilgi sistemi tasarımı ile motor arızası tespiti
Engine fault detection of diesel vehicles by sound analysis methods and driver information system design
ALI MARDAN HAMEED QUTUB
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL SARITAŞ
- Crack detection with deep learning: an exemplary study of data design in architecture
Derin öğrenme ile çatlak tespiti: mimarlıkta veri tasarımı örnek çalışması
ÇAĞLAR FIRAT ÖZGENEL
Doktora
İngilizce
2018
Bilim ve TeknolojiOrta Doğu Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. ARZU SORGUÇ
- A comparative study of deep learning techniques in concrete crack detection: Convolutional neural networks and logistic regression
Beton çatlağı tahminde derin öğrenme yöntemlerinin kıyaslamalı bir çalışması: Evrişimsel sinir ağları ve lojistik regresyon
AZHI YASSIN RASUL
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. FADİME YÜKSEKTEPE
- Masif panel üretiminde kullanılan lamel parçaları üzerinde nesne tespiti ve sınıflandırılması
Object detection and classification on lamella pieces used in solid panel production
MERVE ÖZKAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CANER ÖZCAN
- Deep learning model based on artificial intelligence for detection and classification of asphalt distress
Asfalt bozulmalarının tespiti ve sınıflandırılması için yapay zekâ tabanlı derin öğrenme modeli
MUHAMMET FATİH SADAK
Yüksek Lisans
İngilizce
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH HİLMİ LAV