İnsansız hava araçlarından alınan görüntülerde süper çözünürlük yöntemleri kullanılarak nesne tespitinin iyileştirilmesi
Improving object detection using super resolution methods in unmanned aerial vehicle images
- Tez No: 859856
- Danışmanlar: PROF. DR. TÜLAY YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: 71
Özet
İnsansız Hava Araçları (İHA) ya da yaygın olarak bilinen adıyla dronlar, son yıllarda eğlence sektöründen hizmet sektörüne kadar pek çok alanda popülerlik kazanmıştır. Bu hava araçlarının kullanım alanları her geçen gün genişlemekte ve giderek daha çeşitli hale gelmektedir. Savunma sanayisinde de son zamanlarda sıkça kullanılmakta olup hem savunma hem de taarruz durumlarında vazgeçilmez bir envanter haline gelmiştir. Bu bağlamda sahip ülkelerin stratejik avantajlarına önemli katkılarda bulunmakta ve üstünlük kurabilmesinde ciddi derecede etkili olabilmektedir. Tüm bunların bir getirisi olarak, İHA'lardan elde edilen görüntülerle gerçekleştirilen nesne tespiti, takip ve diğer özelleştirilmiş görevler gün geçtikçe daha da önem kazanmaktadır. Fakat bu hava araçlarından elde edilen görüntüler, güvenli bir uçuş mesafesinden çekilmesi gerektiğinden genellikle düşük çözünürlük ve kalitede olmaktadır. Bu durum nesne tespiti ve takibi uygulamaları için bir dezavantaj teşkil etmektedir. Bu dezavantajı aşmak adına bir dizi süper çözünürlük tekniği geliştirilmiştir. Bu çalışmada, GAN ağlarının bir çeşidi olan Real-ESRGAN modeli kullanılarak İHA'lardan alınan görüntülerin daha yüksek çözünürlüklü hale getirilmesini sağlamak amaçlanmaktadır. Uygulanan bu yöntemin nesne tespitine olan etkisini inceleyebilmek adına YOLO modelleri kullanılmıştır. Bu tez çalışmasındaki temel amaç, nesne tespiti performansını artırarak hem tespit edilen nesnelerin sayısını hem de tespit sürecinin genel doğruluğunu iyileştirmektir. Bu çalışma, iki farklı yöntemle elde edilen sonuçların karşılaştırmalı analizini sunmaktadır. İlk aşamada, VisDrone ve SDD veri setlerindeki düşük çözünürlüğe sahip görüntüler kullanılarak, YOLO-V7 ve YOLO-V8 modelleri eğitilip test edilmiştir. Daha sonra aynı YOLO-V7 ve YOLO-V8 modelleri, VisDrone ve SDD veri setlerindeki görüntülerin Real-ESRGAN modeli kullanılarak elde edilen süper çözünürlüklü (SR) versiyonları üzerinde eğitilerek test edilir. Bu iki aşama sonucunda elde edilen veriler karşılaştırılarak Real-ESRGAN modelinin nesne tespiti üzerindeki etkisi ortaya konulmaktadır. Yapılan deneysel sonuçlara göre, VisDrone veri setinin SR görüntüleri ile eğitilen YOLO-V7 modelinde, LR görüntüleri ile eğitilen YOLO-V7 modeline göre doğruluk oranında yaklaşık %1'lik artış olduğu gözlemlenmiştir. Bu model haricindeki, VisDrone veri setinin YOLO-V8 ile eğitilmesi, SDD veri setinin hem YOLO-V7 hem de YOLO-V8 ile eğitilmesi ile elde edilen modellerde herhangi bir doğruluk artışı gözlemlenememiştir.
Özet (Çeviri)
Unmanned Aerial Vehicles (UAVs), commonly known as drones, have gained popularity in various fields, from the entertainment sector to the service industry in recent years. The usage areas of these aerial vehicles continue to expand, becoming increasingly diverse. They have become indispensable inventory in both defense and attack situations, frequently employed in the defense industry. In this context, they significantly contribute to the strategic advantages of nations, playing a crucial role in establishing superiority. As a result, object detection, tracking, and other customized tasks performed using images captured by UAVs are gaining increasing importance. However, images obtained from these aircraft often have low resolution and quality due to the need for a safe flight distance. This poses a disadvantage for object detection and tracking applications. To overcome this drawback, a series of super-resolution techniques have been developed. In this study, the Real-ESRGAN model, a type of GAN network, is used to enhance the resolution of images captured by UAVs. To examine the impact of this applied method on object detection, the YOLO model is utilized. The main objective of this thesis is to improve object detection performance, enhancing both the number of detected objects and the overall accuracy of the detection process. This study presents a comparative analysis of results obtained through two different methods. Initially, YOLO-V7 and YOLO-V8 models are trained and tested using LR images from the VisDrone and SDD datasets. Subsequently, the same YOLO-V7 and YOLO-V8 models are trained and tested on super-resolution (SR) versions of images obtained using the Real-ESRGAN model on the VisDrone and SDD datasets. The data obtained from these two stages are compared to highlight the impact of the Real-ESRGAN model on object detection. According to experimental results, the YOLO-V7 model trained on VisDrone dataset's SR images showed an approximately 1% increase in accuracy compared to the YOLO-V7 model trained on LR images. No accuracy increase was observed in models obtained by training the VisDrone dataset with YOLO-V8 or both YOLO-V7 and YOLO-V8 on the SDD dataset.
Benzer Tezler
- Görüntü mozaikleme ile panoramik görüntü üretimi
Panoramic image generation with image mosaicing
AHMET HAMDİ VAROL
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. EMRE SÜMER
- Dönerkanat tipinde bir insansız hava aracının görüntü tabanlı kontrolü
Vision based control of a quadrotor type unmanned aerial vehicle
AYDIN ERESEN
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÖNDER EFE
- Implementation of target tracking methods on images taken from uav (Unmanned Aerial Vehicles)
İnsansız Hava Araçlarından (İHA) alinan görüntülerde hedef takip yöntemlerinin uygulanmasi
HALİT ERİŞ
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ULUS ÇEVİK
- Kentsel alanlarda İHA görüntülerinden ortofoto oluşturma ve otomatik ağaç tespiti
Orthophoto generation and automatic tree detection from UAV images in urban areas
MEHMET FATİH GÜRBÜZ
Yüksek Lisans
Türkçe
2016
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TÜRKER
- Hava araçları ile alınan görüntülerden derin öğrenme ile felaketzede tespiti
Human - survivor detection for unmanned aerial vehicle with deep learning technics
MUSTAFA GÖREN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKırklareli ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT OLCAY ÖZCAN