Image generation with convolutional neural networks
Kavramsal sinir ağları ile görüntü üretimi
- Tez No: 848810
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 119
Özet
Bu tez, işbirlikçi bir şekilde çalışan çift evrişimli sinir ağı (CNN) çerçevesini kullanan yenilikçi bir görüntü oluşturma tekniğini tanıtmaktadır. Bir CNN, bir görüntü veri kümesinden ayırt edici özelliklerin çıkarılmasında uzmanlaşırken, diğeri, bu çıkarılan özelliklere dayalı olarak tamamen yeni görüntüler üretmeye adanmıştır. Ortaya çıkan görüntüler, herhangi bir veri kümesi orijinalinden farklı olarak, giriş veri kümesinin temel özelliklerini korur. Yaklaşımımızın etkinliğini doğrulamak için biri insan yüz görüntülerini içeren, diğeri ise çeşitli hayvan türlerini kapsayan iki farklı veri kümesi kullanıyoruz. Yöntemimiz doğruluk, F1 puanı, geri çağırma, tepe sinyal-gürültü oranı (PSNR) ve ortalama karesel hata (MSE) açısından çağdaş teknikleri geride bırakıyor. Ayrıca, önerilen çift hatlı CNN metodolojisinin artılarını ve eksilerini titizlikle değerlendirerek, görüntü oluşturma ve CNN'ler alanlarındaki ilgili literatürün kapsamlı bir incelemesini gerçekleştiriyoruz. Bulgularımız, yaklaşımımızın, bilgisayarla görme, grafik ve veri artırma gibi çeşitli alanlardaki potansiyel uygulamalarla yüksek kaliteli, benzersiz görüntüler üretmeye yönelik bir alternatif olarak umut vaat ettiğini gösteriyor. Gelecekteki araştırma çabaları, yöntemin verimliliğini optimize etmeye, farklı alanlarda uygulanabilirliğini genişletmeye ve ek değerlendirme ölçütlerini keşfetmeye öncelik verecektir.
Özet (Çeviri)
This thesis introduces an innovative image generation technique employing a dual convolutional neural network (CNN) framework, which operates in a collaborative manner. One CNN specializes in extracting distinctive features from an image dataset, while the other is dedicated to generating entirely novel images based on these extracted features. The resulting images, distinct from any dataset originals, maintain the essential characteristics of the input dataset. To validate the efficacy of our approach, we employ two diverse datasets, one containing human facial images and the other encompassing a variety of animal species. Our method surpasses contemporary techniques in terms of accuracy, F1 score, recall, peak signal-to-noise ratio (PSNR), and mean squared error (MSE). Furthermore, we conduct an exhaustive review of related literature in the domains of image generation and CNNs, meticulously evaluating the pros and cons of the proposed dual-pipeline CNN methodology. Our findings suggest that our approach holds promise as an alternative for generating high-quality, unique images, with potential applications in diverse fields such as computer vision, graphics, and data augmentation. Future research endeavors will prioritize optimizing the method's efficiency, broadening its applicability across different domains, and exploring additional evaluation metrics.
Benzer Tezler
- Çok katmanlı küresel derinlik parametreleri ve derin öğrenme yöntemleri ile 3B şekil tamamlama ve üretme
3D shape completion and generation using multilayer spherical depth parameters with deep learning methods
ABDÜLLATİF AĞCA
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATMA BETÜL ATALAY SATOĞLU
- Deep learning-based object recognition from RGB images using convolutional neural networks
Başlık çevirisi yok
MOHAMMED ZAKI HAMEED ALTAMEEMI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MESUT ÇEVİK
- Derin öğrenme ile anlamsal bölütleme ve piksel görüntülerinden gerçek görüntü üretimi
Semantic segmentation with deep learning and real image generation from pixel images
EMRE ARICA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBatman ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YILMAZ KAYA
- Perceptual quality preserving adversarial attacks
Algısal kalite korunarak çekişmeli örnek üretimi
BİLGİN AKSOY
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiModelleme ve Simülasyon Ana Bilim Dalı
PROF. DR. ALPTEKİN TEMİZEL
- Yapay sinir ağı tabanlı görüntü sınıflandırma tekniği ile X-ray tarama görüntülerinden usb bellek içerenlerin sınıflandırılması
Classification of X-ray scan images containing usb memory byartificial neural network-based image classification technique
ALİ HACIHAMZAOĞLU
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI ÇAVDAR