Kenar algılama için görüntüdeki zengin özniteliklerin tespiti
Detection of rich features images for edge detection
- Tez No: 891882
- Danışmanlar: DOÇ. DR. KALİ GÜRKAHRAMAN
- 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: Sivas Cumhuriyet Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 59
Özet
Bilgisayarlı görü alanında temel bir problem olan kenar algılama, bir görüntüdeki nesnelerin sınırlarını ve önemli yapısal özniteliklerini belirlemeyi amaçlamaktadır. Geleneksel kenar algılama yöntemleri (Sobel, Canny, Laplacian vb.) belirli filtreler ve algoritmalar kullanarak kenarları tespit etmektedir. Bu yöntemler, genellikle sabit filtreler kullanmaktadır ve bu sebeple karmaşık ve değişken ilgi bölgelerine sahip görüntülerde yeterince etkili sonuçlar üretememektedirler. Son yıllarda, kenar algılamada, geleneksel yöntemlere göre daha hızlı olmaları ve ortaya çıkarılması hedeflenen nesne sınırlarına ait öznitelikleri hiyerarşik olarak elde edebilmeleri sebebiyle derin öğrenme modelleri kullanılmaktadır. Bu sebeple, bu tez çalışmasında, yapılarında kodlayıcı ve kod çözme blokları ve artık bağlantılar içeren ve bölütleme probleminde yaygın olarak kullanılan UNet ve UNet++ modelleri kenar tespit etmek için modifiye edilmiştir. Ayrıca, her iki modelin çıktılarını birleştiren Toplu-DL modeli kullanılarak her modelin tek başına ürettiği performans değerlerinin artırılması sağlanmıştır. Geliştirilen modellerin performansları, bu çalışma alanında yaygın olarak kullanılan BSDS500 (Berkeley Segmentation Data Set 500), NYUDv2 ve PASCAL VOC veri setleri kullanılarak ölçülmüştür. Performans değerlendirmesi, sınırları içeren çıktı görüntüsündeki bazı gradyan değerlerinin bir eşik değere bağlı olarak elenmesi sonrasında hesaplanan OIS, ODS, AP, R50 ve F-skor ile gerçekleştirilmiştir. Elde edilen sonuçlar, modifiye edilen UNet modellerinin bu alanda kullanılabileceğini göstermiştir.
Özet (Çeviri)
In the field of computer vision, edge detection is a fundamental problem that aims to identify the boundaries of objects and significant structural features within an image. Traditional edge detection methods (Sobel, Canny, Laplacian, etc.) use specific filters and algorithms to detect edges. These methods typically use fixed filters, and as a result, they may not produce sufficiently effective results in images with complex and variable regions of interest. In recent years, deep learning models have been utilized for edge detection due to their ability to be faster than traditional methods and to hierarchically obtain the features of object boundaries that are aimed to be revealed. Therefore, in this thesis, UNet and UNet++ models, which include encoder and decoder blocks and residual connections in their structures and are widely used in segmentation problems, were modified for edge detection. Furthermore, by using the Ensemble-DL model that combines the outputs of both models, the performance metrics produced by each model individually have been improved. The performance of the developed models was measured using the BSDS500 (Berkeley Segmentation Data Set 500), NYUDv2, and PASCAL VOC datasets, which is commonly used in this field. Performance evaluation was carried out using the OIS, ODS, AP, R50 and F-score calculated after some gradient values in the output image containing boundaries were filtered based on a threshold value. The obtained results indicate that the modified UNet models can be utilized in this field.
Benzer Tezler
- Yüksek çözünürlüklü uydu verileri kullanılarak şehir alanlarının incelenmesi
Investigation of city areas using high-resolution satellite data
RAZİYE HALE TOPALOĞLU
Doktora
Türkçe
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Görüntü pekiştirmede kullanılan uyarlanır bulanık maskeleme tekniği için en uygun süzgeç ve parametre seçimi analizi
Analysis of optimum filter and parameters selection for adaptive unsharp masking in image enhancement
ONUR JANE
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKKI GÖKHAN İLK
- Detection of grain boundaries in sem images using Type-2 fuzzy logic
Tip-2 bulanık mantık kullanılarak sem görüntülerindeki tane sınırlarının algılanması
NESİBE CELİLE KURT
Yüksek Lisans
İngilizce
2023
Makine MühendisliğiMarmara ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. AYKUT KENTLİ
- Nesnelerin interneti için kenar bilişim tabanlı akıllı görsel algılama analizi
Edge computing based intelligent visual sensing analysis for the internet of things(IoT)
EMRAH ŞİMŞEK
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ ÖZYER
- Curvelet dönüşümü kullanılarak Snake algoritması ile imgede kenar algılama
Image edge detection with Snake algorithm by using Curvelet transform
FATMA SABA AHISHALI
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik MühendisliğiAtatürk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. EMİN ARGUN ORAL