Autonomous ship recognition from color images
Renkli resimlerden otomatik gemi tanımlama
- Tez No: 881238
- Danışmanlar: PROF. DR. B. KEITH JENKINS
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: University of Southern California
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Otonom gemi tanıma, askeri ve ticari uygulamalar için liman gözetimi gibi aktif bir alandır. Bilinmeyen temasların doğru bir şekilde tanımlanması, askeri istihbarat için kritiktir. Bu otomatik sistem, kontrolörlerin temas noktalarını daha hızlı ve doğru bir şekilde tanımlamalarına yardımcı olabilir. Bu çalışma, esas olarak gemilere ve limanlara monte edilmiş dijital kameralar kullanılarak elde edilen renkli görüntülere odaklanmaktadır. Tanıma için dijital görüntülerin kullanılmasının yanı sıra, RADAR'dan elde edilen mesafe ve rota bilgileri de bilinmektedir. Önemli özellikleri çıkarmak için, segment edilmiş gemi görüntüsü üzerinde mekansal piramit histogram tekniği uygulanmakta ve sınıflandırıcı olarak destek vektör makineleri kullanılmaktadır. Bu özel veri setleri, eğitim seti, geliştirme seti ve test seti için 18 farklı kamera açısına sahip 9 farklı gemi türü içermektedir. Eğitim veri seti, modellenmiş sentetik görüntüler içermekte; geliştirme ve test veri setleri ise gerçek görüntüler içermektedir. Bu çalışma, renkli görüntülerden gemi sınıflandırması için iki deneysel sonuç bildirmektedir. İlk deneyimiz, sentetik görüntü veri seti ile gerçek görüntü veri setinin sınıflandırılmasına dayanmaktadır, bu da sınıflandırıcının sentetik veri seti üzerinde eğitildiği ve gerçek veri seti üzerinde test edildiği anlamına gelmektedir, ve elde edilen doğruluk oranı %87.8'dir. İkinci deneyimiz, sentetik görüntüler + gerçek görüntüler (birleştirilmiş veri seti) ile gerçek görüntülerin sınıflandırılmasına dayanmaktadır, bu da sınıflandırıcının birleştirilmiş veri seti üzerinde eğitildiği ve ayrı bir gerçek veri seti üzerinde test edildiği anlamına gelmektedir, ve elde edilen doğruluk oranı %93.3'tür.
Özet (Çeviri)
Autonomous ship recognition is an active area for military and commercial applications like harbor surveillance. Accurate identification of unknown contacts is critical in military intelligence. This automated system can help controllers to identify the point of contacts more quickly and accurately. This work mainly focuses on color images attained using digital cameras mounted on ships and harbors. Aside from using digital images for recognition, other information known are distance and course information attained from RADAR. For extracting significant features, spatial pyramid histogram technique is performed on a segmented ship image and support vector machines are used as a classifier. These particular data-sets contain 9 different types of ship with 18 different camera angle perspectives for training set, development set and testing set. The training data-set contains modeled synthetic images; development and testing data-sets contain real images. This work reports two experimental results for ship classification from color images. Our first experiment is based on classification of a synthetic image data-set versus real image data-set, which means the classifier is trained on the synthetic data-set and tested on the real data-set and obtained accuracy is 87.8%. Our second experiment is based on classification of synthetic images + real images (combined dataset) versus real images, which means the classifier is trained on the combined data-set and tested on a separate real data-set, and obtained accuracy is 93.3%.
Benzer Tezler
- Fine-tuning convolutional neural networks for maritime vessel classification, verification and recognition
Evrişimli sinir ağlarında eğitim transferi ile gemi sınıflandırma, doğrulama ve tanıma
CAHİT DENİZ GÜRKAYNAK
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. NAFİZ ARICA
- Otonom gemi seyrinde çatışmayı önleme algoritmalarının değerlendirilmesi
Evaluation of collision avoidance algorithms in autonomous ship navigation
MEHMET ALİ BAHÇE
Yüksek Lisans
Türkçe
2019
Denizcilikİstanbul Üniversitesi-CerrahpaşaDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİBEL BAYAR
- Gemiler için COLREG ile uyumlu otonom çatışmadan kaçınma çalışması
COLREG compatible autonomous ship collision avoidance study
HASAN UĞURLU
Doktora
Türkçe
2023
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL ÇİÇEK
- A quantitative hazop risk analysis under extended cream approach for autonomous ship operation
Otonom gemi operasyonu için genişletilmiş cream yaklaşımı altında nicel bir hazop risk analizi
YASİN BURAK KURT
Yüksek Lisans
İngilizce
2021
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE AKYÜZ
- Deniz ticareti hukukunda otonom gemiler
Autonomous ships in maritime law
MUSTAFA YILMAZ
Yüksek Lisans
Türkçe
2021
HukukAnkara Sosyal Bilimler ÜniversitesiÖzel Hukuk Bilim Dalı
PROF. DR. MEHMET EMİN BİLGE