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: Belirtilmemiş.
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
- Hibrit çizge sinir ağları kullanarak görüntü eşleştirme
Image matching using hybrid graph neural networks
FURKAN ŞENTÜRK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BİRSEN GÜLDEN ÖZDEMİR
DR. ÖĞR. ÜYESİ DİLEK TÜKEL
- A statistical framework for degraded underwater video generation
Bozulmuş sualtı video üretimi için istatistiksel bir yapı
SERKAN ŞATAK
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- 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
- Semantic land cover and land use classification using deep convolutional neural networks
Derin evrişimsel sinir ağları ile arazi kullanımı ve arazi örtüsünün anlamsal sınıflandırılması
BERK GÜNEY
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL