Self-supervised dense visual representation learning
Kendi kendine denetimli yoğun görsel temsil öğrenimi
- Tez No: 881624
- Danışmanlar: PROF. DR. LALE AKARUN ERSOY, DR. ÖĞR. ÜYESİ BERK GÖKBERK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mühendislik Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 62
Özet
Bu tezde, kendi kendine denetimli yoğun görsel temsil öğrenimi üzerine çalışıyoruz. Nesne algılama ve örnek segmentasyonu gibi yoğun görevlerde kullanılmak üzere üç farklı yaklaşım öneriyoruz. İlkinde, kontrastlı öğrenmedeki yanlış negatif eşleştirme sorununu hafifletmek için hem görüntü hem de piksel düzeyinde tutarlılık düzenlemesi öneriyoruz. İkincisinde, bu stratejilerin zayıflıklarını ortadan kaldırmak için piksel düzeyinde uygulanan benzerlik ve mesafeye dayalı iki pozitif çift eşleştirme stratejisini birleştiriyoruz. Üçüncüsünde, görüntü seviyesinde önerilen ilişkisel öz denetimli çerçeveyi (ReSSL) yoğun seviyeye uyarlıyoruz. Yaygın uygulamanın aksine, bu yaklaşımları ImageNet üzerinde değil COCO veri kümesi üzerinde ön eğitime tabi tuttuk ve Pascal VOC nesne algılama ve COCO nesne algılama ve örnek segmentasyonu görevleri üzerinde değerlendirdik. Deneylerimizde, tutarlılık düzenlemesi, iki ayrı piksel düzeyinde eşleştirme stratejisinin birlikte kullanılması ve ReSSL'in piksel düzeyine uyarılmasının hem nicel hem de nitel olarak performansta artışa yol açtığını gözlemledik.
Özet (Çeviri)
In this thesis, we study on self-supervised dense visual representation learning. We propose three different approaches to be used in dense tasks such as object detection and instance segmentation. In the first one, we propose consistency regularization at both image-level and pixel-level to alleviate the false negative pairing problem in the contrastive learning. In the second, we combine two positive-pair matching strategies implemented at the pixel-level, based on similarity and distance, to eliminate the weaknesses of these strategies. In the third one, we adapt the relational self-supervised framework (ReSSL) proposed in image-level to dense-level. Contrary to common practice, we pre-trained these approaches on the COCO dataset, not on ImageNet, and evaluated them on the Pascal VOC object detection and COCO object detection and instance segmentation tasks. In our experiments, we observed that consistency regularization, using two separate pixel-level matching strategies together, and stimulating ReSSL to the pixel-level lead to an increase in performance, both quantitatively and qualitatively.
Benzer Tezler
- An autonomous area coverage method for endoscopic capsule robots
Endoskopik kapsül robotlarda otonom alantarama
İBRAHİM ÖMER ÇELİK
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SADIK FİKRET GÜRGEN
DR. MEHMET TURAN
- A metric learning based system for retail product recognition and novel class discovery
Metrik öğrenme tabanlı ürün tanıma ve yeni ürün keşfetme sistemi
İBRAHİM ŞAMİL YALÇINER
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Hipertansif bireylerde farklı telerehabilitasyon uygulamalarının etkinliğinin incelenmesi
Investigation of the effectiveness of different telerehabilitation applications in hypertensive individuals
BEYZA NUR DURUKAN
Doktora
Türkçe
2024
Fizyoterapi ve RehabilitasyonHacettepe ÜniversitesiKardiyopulmoner Fizyoterapi Rehabilitasyon Ana Bilim Dalı
PROF. DR. EBRU ÇALIK KÜTÜKCÜ
- Doğrusal olmayan pH kontrolün borusal akış reaktörüne uygulanması
Application of nonlinear pH control to a tubular flow reactor
İ. HALİL VURAL
Doktora
Türkçe
2002
Kimya MühendisliğiAnkara ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ALPBAZ
- Self-supervised learning for unsupervised image classification and supervised localization tasks
Denetimsiz görüntü sınıflandırma ve denetimli yer saptama görevleri için öz-denetimli öğrenme
MELİH BAYDAR
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE AKBAŞ