Geri Dön

Self-supervised dense visual representation learning

Kendi kendine denetimli yoğun görsel temsil öğrenimi

  1. Tez No: 881624
  2. Yazar: TİMOTEOS ONUR ÖZÇELİK
  3. Danışmanlar: PROF. DR. LALE AKARUN ERSOY, DR. ÖĞR. ÜYESİ BERK GÖKBERK
  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: 2024
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mühendislik Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. An autonomous area coverage method for endoscopic capsule robots

    Endoskopik kapsül robotlarda otonom alantarama

    İBRAHİM ÖMER ÇELİK

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SADIK FİKRET GÜRGEN

    DR. MEHMET TURAN

  2. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAZIM KEMAL EKENEL

  3. Hipertansif bireylerde farklı telerehabilitasyon uygulamalarının etkinliğinin incelenmesi

    Investigation of the effectiveness of different telerehabilitation applications in hypertensive individuals

    BEYZA NUR DURUKAN

    Doktora

    Türkçe

    Türkçe

    2024

    Fizyoterapi ve RehabilitasyonHacettepe Üniversitesi

    Kardiyopulmoner Fizyoterapi Rehabilitasyon Ana Bilim Dalı

    PROF. DR. EBRU ÇALIK KÜTÜKCÜ

  4. Doğrusal olmayan pH kontrolün borusal akış reaktörüne uygulanması

    Application of nonlinear pH control to a tubular flow reactor

    İ. HALİL VURAL

    Doktora

    Türkçe

    Türkçe

    2002

    Kimya MühendisliğiAnkara Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ALPBAZ

  5. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRE AKBAŞ