Kızılötesi görüntülere örüntü tanıma uygulanması
Pattern recognition applied to infrared images
- Tez No: 890413
- Danışmanlar: DR. ÖĞR. ÜYESİ ÇAĞRI ŞAHİN
- 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: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 105
Özet
Nesne tespit algoritmaları, otonom sürüş, tıbbi görüntüleme, gözetim, perakende analitiği ve endüstriyel otomasyon gibi çeşitli alanlarda önemli ilerlemeler kaydetmiştir. Askeri uygulamalarda, nesne tespit algoritmaları, tehlikeleri doğru bir şekilde tespit etmeye yardımcı olan özel kızılötesi kameralar ile kullanılarak akıllı kararlar almak ve görev başarısını sağlamak için kritik öneme sahiptir. Bu çalışmada, popüler derin öğrenme tabanlı nesne tespit algoritmalarının (YOLOv8, YOLOv9, YOLO Ghost P2, RT-DETR) performansları, özellikle tank tanıma üzerinde durularak, yakın kızılötesi (NIR), kısa dalga boylu kızılötesi (SWIR), orta dalga boylu kızılötesi (MWIR) ve uzun dalga boylu kızılötesi (LWIR) gibi çeşitli kızılötesi spektrumlarda incelenmiştir. Çalışma kapsamında sanal askeri bir simülasyon ortamı oluşturulmuş ve aynı sahnelere ait görüntüler dört farklı kızılötesi bantta sentezlenmiştir. Dört farklı kızılötesi banttaki nesne tespit algoritmalarının performans sıralamalarının NIR, SWIR, MWIR ve LWIR şeklinde olduğu gözlemlenmiştir. Kızılötesi görsellerde nesne tespiti için en uygun kızılötesi bandın NIR, en düşük performans gösteren bandın ise LWIR olduğu sonucuna varılmıştır. Bu çalışma, nesne tespit algoritmalarının farklı spektrumlar altındaki kızılötesi görüntülerde nasıl performans gösterdiğine dair anlayışı artırarak, özellikle kızılötesi tank görüntüleri bağlamında kızılötesi görüntüleme sistemlerinin tasarımı ve optimizasyonu için içgörüler sunmaktadır.
Özet (Çeviri)
Object detection algorithms have made significant advancements in various fields like autonomous driving, medical imaging, surveillance, retail analytics, and industrial automation. In military applications, object detection algorithms can be used with special infrared cameras to help spot dangers accurately, which is crucial for making smart decisions and achieving mission success. In this study, the performance of the popular deep learning based object detection algorithms YOLOv8, YOLOv9, YOLO Ghost P2, RT-DETR is investigated across various infrared spectra, including near-infrared (NIR), short wavelength infrared (SWIR), mid-wavelength infrared (MWIR), and long-wavelength infrared (LWIR), with particular emphasis on tank recognition. As part of the study, a virtual military simulation environment was created, and images of the same scenes were synthesized in four different infrared bands. The performance rankings of the object detection algorithms in the four different infrared bands were observed to be in the order of NIR, SWIR, MWIR, and LWIR. It was concluded that the most suitable infrared band for object detection in infrared images is NIR, while the least effective band is LWIR. This study contributes to understanding how object detection algorithms perform in infrared images under different spectra, providing insights for the design and optimization of infrared imaging systems, particularly in the context of infrared tank imagery.
Benzer Tezler
- Automatic target recognition in infrared imagery
Kızılötesi görüntülerde otomatik hedef tanıma
TUBA MAKBULE BAYIK
Yüksek Lisans
İngilizce
2004
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYDIN ALATAN
- Farklı spektral banttaki görüntülerin kaynaştırılması
Fusion of images with different spectral band
SADETTİN DURMUŞ TALİPOĞLU
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiGebze Teknik ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KORAY KAYABOL
- Derin öğrenmeye dayalı el sırtı damar tanıma tekniğinin geliştirilmesi
Developing a dorsal hand vein recognition technique based on deep learning
SAINAIMUJIANG KUERBAN
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ METE ÇELİK
- Hiperspektral görüntülerin eğiticisiz bölütlenmesi
Unsupervised segmentation of hyperspectral images
GÖKHAN BİLGİN
Doktora
Türkçe
2009
Bilim ve TeknolojiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SARP ERTÜRK
PROF. DR. TÜLAY YILDIRIM
- Face recognition and person re-identification for person recognition
Kişi tanıma için yüz tanıma ve kişinin yeniden tanınması
EMRAH BAŞARAN
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
PROF. DR. MUHİTTİN GÖKMEN