Deep learning methods for 3B object recognition on meshes
Örgüler üzerinde 3B nesne tanıma için derin öğrenme yöntemleri
- Tez No: 892623
- Danışmanlar: DR. ÖĞR. ÜYESİ HAKAN YILDIZ
- 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: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
Nesnelerin tanınması, birçok bilgisayarlı görü uygulamasında önemli bir adımdır. Bu alanda aktif olarak çalışılan bir problem, üç boyutlu (3B) örgülerinin tanınmasıdır. Yakın zamanda, özellikle makine öğrenmesi tekniklerini kullanan çalışmalar, kurulmuş veri kümelerindeki testlerde gösterildiği üzere, örgüleri tanımada dikkat çeken isabet oranları elde etmiştir. Bu tezde, verilen bir örgü tarafından temsil edilen nesneyi tanıyan bir makine öğrenmesi modeli sunuyoruz. Örgünün iki boyutlu derinlik ve hacimsel verilerine dayanarak, yaklaşımımız, derin bir evrişimsel sinir ağı, yeni bir simetrik fark işlemi ve çok miktarda veri büyütmesi kullanmaktadır. Öneğitimli modeller ve bir topluluk yöntemi kullanarak, modelimizin isabet oranını daha da artırıyoruz. ModelNet10 veri kümesindeki sonuçlarımız, özellikle voksel tabanlı yöntemler içinde, oldukça üstte yer almaktadır.
Özet (Çeviri)
Recognition of objects is an essential step in many computer vision applications. An actively studied problem in this domain is the recognition of three-dimensional (3D) mesh models. Recent studies, especially those using machine learning techniques, have achieved remarkable accuracies in recognizing meshes, as obtained through evaluation on established datasets. In this thesis, we propose a machine learning model to recognize the object represented by a given mesh. Based on two-dimensional depth and volumetric data of the mesh, our approach involves a deep convolutional neural network, a novel symmetric difference operation, and significant data augmentation. By involving pre-trained models and an ensemble method, we further increase our model's accuracy. Our results on the ModelNet10 dataset ranks fairly high, especially among voxel-based methods.
Benzer Tezler
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Yinelemeli geribildirim ile 3B yüz imgesi oluşturma
Reconstructing 3D faces with iterative backpropagation
ABDULLAH TAHA ARSLAN
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. EROL SEKE
- A statistical framework for degraded underwater video generation
Bozulmuş sualtı video üretimi için istatistiksel bir yapı
SERKAN ŞATAK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Üretken çekişmeli ağlar ile fonksiyonel 3B tasarım varyantları üretilmesi
Generating functional 3D design variants with generative adversarial networks
NURULLAH YÜKSEL
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiEndüstriyel Tasarım Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN RIZA BÖRKLÜ
- İnvolüsyonel sinir ağları ile hiperspektral verilerin analizi
Analysis of hyperspectral data with involutional neural networks
MÜCAHİT CİHAN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT CEYLAN