Geri Dön

Derin öğrenme bazlı ileri görüntü tamamlama teknikleri

Advanced image completion techniques based on deep learning

PDF İndir

  1. Tez No: 849565
  2. Yazar: AHMET ARSLAN
  3. Danışmanlar: PROF. DR. ŞAHİN EMRAH, DOÇ. DR. HACER YALIM KELEŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 71

Özet

Derin yapay sinir ağları son yıllarda birçok farklı problemde başarıyla kullanılmaktadır. Özellikle görüntü sınıflandırma problemlerindeki başarısı ile ön plana çıkan Evrişimli Sinir Ağları (Convolutional Neural Network (CNN)) ve gerçekçi görüntü üretme konusunda kullanılan Üretici Çekişmeli Ağlar (Generative Adversarial Network (GAN)) buna örnek olarak gösterilebilir. Görüntü tamamlama, derin öğrenmenin kullanıldığı ve başarılı sonuçlar alınan bir diğer alan olarak karşımıza çıkmaktadır. Özel olarak dış boyama probleminde, doldurulan kısım büyük olduğundan ve resmin dış kısmına gelmesinden dolayı anlamlı ve uyumlu olarak resmi tamamlamak büyük zorluklar içeren bir problemdir. Bu çalışmada derin öğrenme ile görüntü dış boyama teknikleri gerçekleştirilmiştir. Otomatik kodlayıcılar kullanılarak görüntü tamamlama işlemi yapılmış ayırt edici ağlar kullanarak iyileştirmeler yapılmıştır. Ayrıca bu çalışmaya özgün olarak kenar tamamlayan derin öğrenme modeli geliştirilerek elde edilen kenar haritasının dış boyama işleminde kullanılması sağlanmıştır.

Özet (Çeviri)

Deep artificial neural networks have been successfully used in many different problems in recent years. Convolutional Neural Networks (CNN), which stand out with their success in image classification problems, and Generative Adversarial Networks (GAN), which are used to produce realistic images, can be given as examples. Image completion is another area where deep learning is used and successful results are obtained. Specifically, in the outpainting problem, it is a very challenging problem to complete the image in a meaningful and coherent way because the filled part is large and comes to the outer part of the image. In this study, image outpainting techniques are implemented with deep learning. Image completion was performed using autoencoders and enhancements were made using discriminative networks. In addition, an edge-completing deep learning model was developed uniquely for this study and the edge map obtained was used in the outpainting process.

Benzer Tezler

  1. Tez No

    684179

    Missing data recovery in GPR with deep learning

    Derin öğrenme ile GPR görüntülerinde veri kurtarma

    KÜBRA TAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. IŞIN ERER

  2. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  3. Tez No

    123235

    Bilgisayar ve internet destekli uzaktan eğitim programlarının tasarım, geliştirme ve değerlendirme aşamaları (SUZEP örneği)

    Design, development and evaluating stages of computer and internet supported distance education program (on the model of SUZEP)

    BİROL GÜLNAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Radyo-TelevizyonSelçuk Üniversitesi

    Radyo Televizyon Ana Bilim Dalı

    PROF.DR. AHMET HALUK YÜKSEL

  4. Tez No

    901576

    Efficient deep learning approaches for signal and image analysis applications

    Sinyal ve görüntü analizi uygulamaları için verimli derin öğrenme yaklaşımları

    ONUR CAN KOYUN

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  5. Tez No

    768735

    3 boyutlu veriler üzerinde derin öğrenme yaklaşımları

    Deep learning approaches on 3D data

    FURKAN ŞENYURT

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs Üniversitesi

    Bilgisayar Yazılımı Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İSMAİL İŞERİ

Geri Dön