Generating multi-modal drone detection data in Unreal Engine
Unreal Engine'de çok modlu drone tespit verisi üretimi
- Tez No: 909287
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN BİRKAN YILMAZ
- 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: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
Son yıllarda, drone teknolojisinin hızla gelişmesi, güvenlik ve gözetim sistemleri için önemli zorluklar ortaya koymuştur. Etkili drone tespit yöntemleri, ulusal güvenlik, özel mülk koruması ve güvenli hava sahası yönetimi gibi çeşitli uygulamalar için kritik öneme sahiptir. Bu tez, başarılı drone tespit modellerini eğitmek için gerekli olan kapsamlı veri setlerine olan ihtiyacı, simülasyon ortamlarını kullanarak ele almaktadır. Yaklaşımımız, çeşitli senaryolarda dronların hem görsel hem de ses verilerini içeren çok modlu veri setleri oluşturmak için geliştirdiğimiz AirSim GUI ile birlikte Unreal Engine ve AirSim eklentisini kullanmaktadır. Bu araştırmanın temel amacı, drone tespit modellerinin performansını artırmak için yüksek kaliteli veri setleri oluşturmanın maliyet etkin ve ölçeklenebilir bir yöntemini geliştirmektir. Unreal Engine içinde oluşturulmuş bir ortamda bir dronunu simüle ediyor ve veri setini oluşturmak için görüntüler ve ses klipleri kaydediyoruz. AirSim GUI, simülasyon parametreleri üzerinde hassas kontrol sağlar ve belirli koordinatlarda drone oluşturma, çeşitli kamera türlerini entegre etme, uçuş yollarını tanımlama ve ses kaydetme gibi özellikler içermektedir. Çalışmamızda, tespit senaryolarının kapsamlı bir şekilde ele alınmasını sağlamak için hem gerçek zamanlı hem de çevrimdışı yetenekleri içeren bir ses üretim süreci uyguladık. Sonuçlarımız, bu yöntemle üretilen sentetik verilerin, özellikle gerçek dünya verilerinin yetersiz olduğu durumlarda, drone tespit modellerinin performansını artırdığını göstermektedir.
Özet (Çeviri)
In recent years, the rapid advancement of drone technology has resulted in significant challenges for security and surveillance systems. Effective drone detection methods are crucial for various applications, including national security, private property protection, and safe airspace management. This thesis addresses the need for comprehensive datasets required to train robust drone detection models by leveraging simulation environments. Our approach utilizes Unreal Engine and AirSim plugin in conjunction with the AirSim GUI, a simulation environment created to generate multi-modal datasets that include both visual and audio data of drones in diverse scenarios. The primary objective of this research is to create a cost-effective and scalable method for generating high-quality datasets to improve the performance of drone detection models. We simulate a drone in a custom-built environment within Unreal Engine, capturing images and audio clips to form the dataset. The AirSim GUI allows for precise control over the simulation parameters, including the ability to spawn drones at specific coordinates, integrate various types of cameras, define flight paths, and record audio. We implemented an audio generation process that includes both real-time and offline capabilities, ensuring comprehensive coverage of possible detection scenarios. Our results demonstrate that the synthetic data generated through this method enhances the performance of drone detection models, particularly in situations where real-world data is scarce.
Benzer Tezler
- How cryptographic implementations affect mobile agent systems
Şifreleme gerçekleştirmelerinin gezgin aracı internet sistemlerini nasıl etkilediği
İSMAİL ULUKUŞ
Yüksek Lisans
İngilizce
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiSistem ve Kontrol Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN ANARIM
- Palmprint recognition using gabor wavelet transform
Başlık çevirisi yok
MOHAMMED ABDULAZEEZ HAYDER MUSAWI
Yüksek Lisans
İngilizce
2022
Bilgi ve Belge YönetimiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN
- Multi-object tracking by associations on temporal window
Geçici pencerede çağrışımlara dayalı çoklu nesne takibi
GÜLTEKİN GÜNDÜZ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TANKUT ACARMAN
- Firma dinamik yeteneklerinin rekabet gücüne katkısının kaos teorisi bakış açısı altında analizi
Analysis of contribution to competitiveness of dynamic capabilities of a firm from the perspective of chaos theory
ORHAN ORHON
Doktora
Türkçe
2012
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. HALUK ERKUT
- Çoklu otonom insansız hava araçları için paralel programlama tabanlı yol planlaması
Parallel programming based path planning for multi autonomous unmmaned vehicles
ÖMER ÇETİN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHava Harp Okulu KomutanlığıBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRAY YILMAZ