Geri Dön

İki boyutlu uzayda evrişimsel sinir ağları ile iç mekân rota planlama

Indoor route planning with convolutional neural networks in two-dimensional space

  1. Tez No: 906873
  2. Yazar: AYŞEGÜL KÜBRA KUZUCU
  3. Danışmanlar: DOÇ. DR. AHMET GÜRKAN YÜKSEK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Sivas Cumhuriyet Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FATMA BETÜL ATALAY SATOĞLU

  2. 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

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. MELİKE NİKBAY

  3. 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

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. GIYASETTİN ÖZCAN

  4. 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

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAZIM KEMAL EKENEL

  5. 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

    İngilizce

    2022

    Havacılık ve Uzay Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. HALİT SÜLEYMAN TÜRKMEN