Fiducial marker detection and identification for individual honey bee tracking using cascaded deep learning models
Ardışık derin öğrenme modelleri kullanarak bireysel arı takibi için güvenilir işaretçi tespiti ve çözümlenmesi
- Tez No: 915916
- Danışmanlar: DOÇ. DR. HANDE ALEMDAR
- 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: 80
Özet
Görsel referans işaretçilerinin yüksek başarımlı ve verimli şekilde tespit edilip çözümlenmesi, nesnelerin kendi kimlikleri ile birlikte takip edilmesinde önemli bir gereksinimdir. Bu işaretçiler biyologlar tarafından deney kovanları ve düzeneklerinin uzun süreli otomatik analizinde kulllanılmaktadır. Bu konuda yüksek kesinlikte sonuçlar sağlayan ve zaman açısından verimli yöntemlerin geliştirilmesi, özellikle bilimsel deneylerde otomatik olarak gözlem, veri kaydı ve analiz yapılabilmesi açısından büyük önem arzetmektedir. Bu tezde görsel işaretçilerin tespiti ve çözümlenmesi için yüksek başarımlı, verimli ve esnek bir yöntem önerilmektedir. Bu model iki aşamalı bir işaretçi tespit ve çözümleme sistemi olarak yapılandırılmış olup, her aşamanın ana elemanı sistemin kalanından bağımsız olan ve ayrı olarak eğitlebilen bir derin öğrenme modeli barındırmaktadır. Aynı zamanda bu derin öğrenme modellerinin öğrenmelerini üzerinde etkin olarak gerçekleştirebilecekleri, insanlar tarafından işaretlenmeye gerek duymadan küçük bir arka plan görüntü setinden ve işaretçilerden farklı büyüklüklerde veri setlerinin oluşturulması için bir yöntem de belirtilmiştir. Son olarak bu tezde anlatılan işaretçi tespit ve çözümleme yöntemlerinin ve oluşturulan eğitim veri setlerinin etkinliği, iki boyutlu görsel işaretleme ve kimlik takip etme işaretçilerinin kullanılmış olduğu Apis mellifera (bal arısı) gerçek biyoloji deneylerinden alınan veriler üzerinde gösterilmiştir.
Özet (Çeviri)
Performant and efficient detection and decoding of visual fiducial markers is an important task for tracking unique objects over long periods of time. These markers are often utilised by biologists to enable long-term analysis of their honey bee experiment hives and setups. Having a highly precise and time-efficient method for this task is especially important in context of automated monitoring, data recording and analysis of scientific experiments. In this thesis we propose a performant, efficient and flexible method of detecting and decoding fiducial markers in images and video frames. This method is structured as a two-stage marker detection and decoding pipeline made up of independent deep learning models that can be trained separately. We also describe and analyse a method for generating highly effective training datasets of varying size using a small set of source object and background images. Finally we demonstrate the effectiveness of our methods for fiducial detection and decoding tasks using real biological experiment data on Apis mellifera tagged with visual fiducial markers.
Benzer Tezler
- İsaretçi takibi ile PnP tabanlı 6DoF poz tahminive CFD simülasyon karşılaştırması
PnP-based 6DoF pose estimation with marker trackingand CFD simulation comparison
YUSUF DEMİREL
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
DOÇ. DR. MEHMET NURİ AKINCI
- Developing learning algorithms for enhancing industrial machine vision systems and improving task accuracy of robotic manipulators
Endüstriyel yapay görme sistemlerini iyileştirmek ve robotik manipülatörlerin görev doğruluğunu artırmak için öğrenme algoritmalarının geliştirilmesi
DIYAR KHALIS BILAL
Doktora
İngilizce
2021
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ÜNEL
- A line detection based fiducial marker detection algorithm
Doğru parçasi tespiti temelli bir i̇şaretçi tespiti algoritmasi
BURAK BENLİGİRAY
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CÜNEYT AKINLAR
- Learning markerless robot-depth camera calibration and end-effector pose estimation
Öğrenim tabanlı robot-3B kamera harici kalibrasyonu ve uç efektörpozisyonu tahmini
BUĞRA CAN SEFERCİK
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ AKGÜN
- Dikey iniş kalkışlı insansız hava araçları için görsel işaretleyici sistemler ile görüntü tabanlı konum kestirimi
Vision based position estimation with markers for vertical takeoff and landing unmanned air vehicles
MÜCTEBA UZUNOĞLU
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHARREM MERCİMEK