İki boyutlu uzayda evrişimsel sinir ağları ile iç mekân rota planlama
Indoor route planning with convolutional neural networks in two-dimensional space
- Tez No: 906873
- Danışmanlar: DOÇ. DR. AHMET GÜRKAN YÜKSEK
- 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: 105
Özet
Günümüzde konum tabanlı uygulamaların artmasıyla beraber kullanıcıların konum bilgilerine ulaşmak için geliştirilen teknolojiler de artmıştır. Bununla birlikte insanların okul, alışveriş merkezi, hastane, hava alanları, adliye, kapalı otoparklar ve çeşitli devlet daireleri gibi çok katlı ve karmaşık alanlarda geçirdikleri zaman fazlalaşmış ve bunun sonucunda iç mekânlarda rota planlama ihtiyacı doğmuştur. Dış mekânlarda sorunsuz bir şekilde çalışan GPS sinyallerinin iç mekânlarda yetersiz kalmasından dolayı bireylerin konum tespiti ve konum takibinde sorunlar yaşadığı gözlemlenmektedir. Bu bağlamda iç mekânlarda rota planlama sistemlerine karşı çözüm arayışı da artmıştır. Yapılan çalışmada ise derin öğrenme algoritmaları incelenerek, büyük miktardaki veriler ile çalışabilen, görsel bilgilerin analizinde kullanılan, iki boyutlu veriler üzerinde başarılı tahminler yapabilen ve derin öğrenme yöntemlerinden biri olan Evrişimsel Sinir Ağlarının iç mekân rota planlamasında kullanılması hedeflenmiştir. Hedeften yola çıkılarak, iki boyutlu uzayda rota planlama sistemi oluşturulmak üzere CNN mimarisi kullanılmış, karmaşık bir iç mekânı temsil etmek üzere rastgele oluşturulan birbirinden farklı 2000 labirent üzerinde geçilebilir yolların bulunması, engellerin tespit edilmesi, engel görüldüğünde rotanın değiştirilmesi ve labirent üzerinde en kısa mesafeye göre başlangıç noktasından varış noktasına ulaşılması hedeflenmiştir. Geliştirilen uygulamada, başlangıç noktasından varış noktasına kadar en kısa geçerli yol üzerinde rotanın planlandığı ve uygulamanın her denemede başarılı sonuç verdiği gözlemlenmiştir.
Özet (Çeviri)
With the increasing prevalence of location-based applications, the technologies developed to access users' location information have also expanded. Simultaneously, the time people spend in multi-story and complex spaces such as schools, shopping centers, hospitals, airports, courthouses, indoor parking lots, and various government offices has increased, leading to a rising need for indoor route planning. It has been observed that individuals experience difficulties in determining and tracking their location indoors, as GPS signals, which function seamlessly in outdoor environments, prove insufficient in indoor spaces. In this context, the search for solutions to indoor route planning systems has intensified. In this study, it is aimed to utilize Convolutional Neural Networks (CNN), one of the deep learning methods that can process large datasets, analyze visual information, and make accurate predictions on two-dimensional data, for indoor route planning. Based on this objective, a CNN architecture was employed to design a route planning system in two-dimensional space. The system was tested on 2000 randomly generated mazes, each representing a complex indoor environment. The goal was to identify passable paths, detect obstacles, reroute when obstacles were encountered, and ultimately navigate from the starting point to the destination based on the shortest path. In the developed application, it was observed that the route was successfully planned along the shortest valid path from the starting point to the destination, with successful results achieved in each trial.
Benzer Tezler
- Çok katmanlı küresel derinlik parametreleri ve derin öğrenme yöntemleri ile 3B şekil tamamlama ve üretme
3D shape completion and generation using multilayer spherical depth parameters with deep learning methods
ABDÜLLATİF AĞCA
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATMA BETÜL ATALAY SATOĞLU
- A multi-fidelity prediction framework with convolutional neural networks using high-dimensional data
Yüksek boyutlu veriler ile çok-doğruluklu evrişimsel sinir ağı tabanlı kestirim
HÜSEYİN EMRE TEKASLAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MELİKE NİKBAY
- Hiperspektral görüntülerde derin öğrenme yaklaşımının sınıflandırma başarımı üzerine etkisi
The effect of deep learning approach on classification performance in hyperspectral images
GİZEM ORTAÇ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GIYASETTİN ÖZCAN
- Deep convolutional neural network based representations for person re-identification
Kişiyi yeniden tanıma için derin evrişimsel sinir ağı tabanlı modeller
ALPER ULU
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAZIM KEMAL EKENEL
- Design and optimization of variable stiffness composite structures modeled using Bézier curves
Bézier eğrileriyle modellenen değişken katılıklı kompozit yapıların tasarımı ve optimizasyonu
ONUR COŞKUN
Doktora
İngilizce
2022
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. HALİT SÜLEYMAN TÜRKMEN