Derin öğrenme yöntemleri ve blok tabanlı yaklaşımla iyileştirilmiş plaka tanıma sistemi
Improved license plate recognition system with deep learning methods and block-based approach
- Tez No: 866812
- Danışmanlar: DOÇ. DR. FIRAT AYDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kütahya Dumlupınar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Donanım Bilim Dalı
- Sayfa Sayısı: 77
Özet
Plaka tanıma sistemleri, trafik yönetimi ve güvenliği açısından kritik bir öneme sahiptir. Bu sistemler, sadece trafik akışını düzenlemek ve ihlalleri tespit etmekle kalmaz, aynı zamanda güvenlik güçlerine operasyonel destek sağlayarak, suçla mücadelede de etkin bir rol oynar. Modern toplumların ihtiyaçlarına yanıt veren bu ileri teknoloji çözümleri, hem trafik yönetimi hem de kamu güvenliği alanlarında önemli avantajlar sunmaktadır. Bu araştırma, güncel derin öğrenme tekniklerinin plaka tespiti sürecindeki etkinliğini araştırmakta ve önemli katkılar sunmaktadır. Türkiye'ye ait plakalardaki karakterlerin tek bir sınıflandırıcı ile sınıflandırılması yerine karakterleri çeşitli görüntü işleme teknikleri yardımıyla sayı ve harf bloklarına ayrılarak, her blok için ayrı sınıflandırıcı kullanılmıştır. Bu durumun karakter sınıflandırma doğruluğunu ve dolayısıyla plaka tanıma doğruluğunu artırdığı gözlemlenmiştir. Bu yaklaşım, birbirine benzeyen harf ve sayıların yanlış sınıflandırılma ihtimalini ortadan kaldırmıştır ve karakter sınıflandırma doğruluğu %95.9'dan %99.6'ya yükseltilmiştir. Ayrıca yeni bir karakter özellik veri seti oluşturularak, bu veri seti ile bir derin öğrenme modeli eğitilmiştir. Bu modelin sisteme entegre edilmesi, sınıflandırma doğruluğunu %99.7'ye çıkarmıştır. CUDA teknolojisi kullanılarak eğitimi tamamlanan YOLOv8 nesne tespiti modeli ile de %98.9 mAP değerine ulaşılmıştır. Tüm sistemin plaka tanıma işlemindeki toplam doğruluk oranı %97.3'e ulaşmıştır. Yapılan çalışma, güncel derin öğrenme yöntemlerinin ve önerilen blok tabanlı karakter tanıma yaklaşımının plaka tanıma çalışmalarındaki etkinliğini kanıtlamaktadır.
Özet (Çeviri)
This study investigates the effectiveness of current deep learning techniques in license plate detection and makes important contributions. Instead of classifying the characters on Turkish license plates with a single classifier, the characters are divided into blocks of numbers and letters using various image processing techniques and a separate classifier is used for each block. This has been observed to improve character classification accuracy and hence license plate recognition accuracy. This approach eliminated the possibility of misclassification of similar letters and numbers and improved the character classification accuracy from 95.9% to 99.6%. In addition, a new character feature dataset was created and a deep learning model was trained with this dataset. Integrating this model into the system increased the classification accuracy to 99.7%. The YOLOv8 object detection model, trained using CUDA technology, achieved a mAP of 98.9%. The overall accuracy of the whole system in license plate recognition reached 97.3%. This study proves the effectiveness of current deep learning methods and the proposed block-based character recognition approach in license plate recognition.
Benzer Tezler
- Image reconstruction with deep learning and applications in MR images
Derin öğrenme ile görüntü geriçatımı ve MR görüntülerinde uygulamaları
AMIR AGHABIGLOU
Doktora
İngilizce
2022
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- A new framework for decentralized social networks: Harnessing blockchain, deep learning, and natural language processing
Merkezsiz sosyal ağlar için yeni bir çerçeve: Blok zinciri, derin öğrenme ve doğal dil işlemeyi kullanmak
AMIR AL KADAH
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ BALTA
- Deep convolutional neural network based unconstrained ear recognition
Derin evrişimsel sinir ağı tabanlı kısıtsız kulak tanıma
FEVZİYE İREM EYİOKUR
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAZIM KEMAL EKENEL
- Derin öğrenme ile görüntülerde gürültü giderme
Image denoising with deep learning
SERCAN SATICI
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Transforming feedback control systems on whiteboard into Matlab via a deep learning based intelligent system
Derin öğrenme tabanlı akıllı bir sistem ile beyaz tahtadaki geribeslemeli kontrol sistemlerinin Matlab ortamına aktarılması
DORUKHAN ERDEM
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR