Araç kamerası görüntülerinde nesne ve nesne hareketi tespiti için bütünleşik bir derin öğrenme mimarisi
A unified deep learning architecture for object and motion detection in vehicle cameras
- Tez No: 889960
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET KILIÇARSLAN
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Donanımı Bilim Dalı
- Sayfa Sayısı: 53
Özet
Akıllı araçlar ve otonom sürüş teknolojilerindeki gelişmeler güvenli ve konforlu bir sürüş için kritik öneme sahiptir. Kısmi ya da tamamen sürücüden bağımsız gerçekleşen sürüş faaliyetleri olarak tanımlanan otonom sürüş ve akıllı araçlarda bir nesnenin tespitinin ve hareketinin hızlı bir şekilde belirlenmesi için çok sayıda uygulama bulunmaktadır. Bu uygulamalarda kullanılan geleneksel algoritmalar genellikle önce nesneleri video karelerinde tespit eder, ardından bu nesnelerin hareketlerini izleyip analiz eder. Bu çalışma, uzamsal (görüntüdeki konum) ve zamansal (zaman içindeki değişim) bilgileri birleştiren yeni bir derin öğrenme tabanlı nesne ve hareket tespit yöntemi sunmaktadır. Model, nesnelerin konumlarını ve hareketlerini aynı anda analiz ederek farklı nesne sınıflarının benzer hareket desenlerini tespit eder. Nesnelerin bu hareket desenleri, uzamsal ve zamansal alanda izler bırakır. Hareket Profili Görüntüleri olarak adlandırılan bu izler, nesnelerin zaman içindeki hareketlerini görselleştirir ve karmaşık sürüş ortamlarında hareket kalıplarını anlamayı sağlar. Bu tez çalışması, geniş bir sürüş videosu veri seti kullanarak nesneleri ve hareketlerini doğrudan tespit eden yenilikçi bir yaklaşım sunmaktadır. Dinamik sürüş senaryolarının zorluklarıyla başa çıkmak için özel olarak tasarlanan bu yöntem, gerçek zamanlı performans sunar. Kamuya açık veri kümelerinde %78 hassasiyet ve 3,09˚ ortalama hata ile yüksek doğruluk sağlar ve %22'lik bir performans iyileştirmesi göstermektedir.
Özet (Çeviri)
Developments in intelligent vehicles and autonomous driving technologies are crucial for ensuring safe and comfortable driving. In autonomous driving and intelligent vehicles, where driving activities are defined as partially or fully independent of the driver, various applications exist for the rapid detection and determination of object movement. Traditional algorithms used in these applications typically involve a two-step process: first detecting objects in video frames, and then tracking and analyzing their movements. This study presents a novel deep learning-based method that integrates spatial (position in the image) and temporal (change over time) information into a single architecture. The model simultaneously analyzes the objects' positions and movements to detect similar motion patterns across different object classes. These motion patterns leave traces in both spatial and temporal domains. These traces, known as Motion Profile Images, visualize the objects' movement over time and help in understanding motion patterns in complex driving environments. The thesis introduces an innovative approach that directly detects objects and their movements from a large dataset of driving videos. Specifically designed to address the challenges of dynamic driving scenarios, this method provides real-time performance. It demonstrates its effectiveness in practical applications by delivering interpretable motion detection in both spatial and temporal domains. Additionally, it confirms its reliability with high accuracy, achieving 78% average sensitivity and 3.09˚ average error on public datasets, reflecting a 22% improvement in performance.
Benzer Tezler
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- Derin evrişimsel sinir ağlarını kullanılarak araç, insan ve trafik işaretlerinin tanınması
Recognition of vehicle, human and traffic signs using deep convolutional neural networks
GÜLYETER ÖZTÜRK
Yüksek Lisans
Türkçe
2020
Mekatronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. RAŞİT KÖKER
- Developing algorithm for automatic detection of caves using unmanned aerial vehicle data
İnsansız hava araçlarından elde edilen verilerle otomatik mağara tespiti yapabilen algoritmanın geliştirilmesi
MUSTAFA BÜNYAMİN SAĞMAN
Yüksek Lisans
İngilizce
2023
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. ORKAN ÖZCAN
- Deep learning-based vehicle classification under low-quality imagining conditions
Düşük kaliteli görüntüleme koşullarında derin öğrenmeye dayalı araç sınıflandırması
ÖZGEN SARI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAtılım ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YASER DALVEREN
PROF. ALİ KARA
- Araç renk tanıma sistemi
Vehicle color recognition system
ERİDA DULE
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHİTTİN GÖKMEN