Geri Dön

Minimally supervised tracking of animal colonies with iteratively trained object detectors

Yinelemeli eğitilen nesne algılayıcılar ile hayvan kolonilerinin minimal denetimli takibi

PDF İndir

  1. Tez No: 919697
  2. Yazar: OĞUZ GÖDELEK
  3. Danışmanlar: DOÇ. DR. HANDE ALEMDAR
  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: 2025
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 76

Özet

Hayvan kolonileri, birçoğu yeterince anlaşılmamış veya keşfedilmemiş olan son derece karmaşık davranışlar sergiler. Bu davranışların etkili bir şekilde belirlenmesi, grup üyelerinin önemli bir kısmının doğal ortamlarında veya deneysel düzeneklerde uzun süreli takip edilmesini gerektirir. Bilgisayarla görü alanındaki son gelişmeler, derin sinir ağlarının zorlu çevre koşullarında bile bir hayvan kolonisindeki bireyleri güvenilir bir şekilde tespit edebileceğini göstermektedir. Bununla birlikte, bilimsel amaçlar için kabul edilebilir bir hata oranına sahip bir sinir ağının eğitilmesi genellikle büyük miktarda insan etiketli eğitim verisi gerektirir. Bu tezde, kendi kendine eğitim olarak adlandırılan en eski yarı denetimli öğrenme yöntemlerinden birini Her Şeyi Bölütle (SAM) isimli yeni bir model ile destekleyerek herhangi bir işaretli veriye ihtiyaç duymayan bir hayvan takibi sistemi öneriyoruz. Kendi kendine öğrenme için ihtiyaç duyulan ilk veri setini SAM tarafından önerilen konumlar ile değiştirerek yüksek doğruluklu obje tespit eden modelleri yinelemeli olarak eğitiyoruz. Yöntemimizin etkinliğini göstermek için, bal arısı kolonisi verilerimizi ve halka açık birkaç hayvan kolonisi tespiti veri kümesini içeren bazı karşılaştırmalı deneyler gerçekleştiriyoruz. Deneysel sonuçlar, önerilen yöntemle elde edilen nesne dedektörlerinin, herhangi bir veri işaretlemeden bilimsel olarak tatmin edici sonuçlara ulaşabileceğini gösteriyor.

Özet (Çeviri)

Animal colonies exhibit highly intricate behaviours, many of which remain poorly understood or unexplored. Effectively monitoring these behaviours requires long-term tracking of a substantial proportion of the group members in their natural environments or an experimental setup. Recent advances in computer vision indicate that neural networks can reliably detect individuals within an animal colony, even in challenging environmental conditions. However, training a neural network with an error rate acceptable for scientific purposes generally requires a large amount of human-labeled training data. In this thesis, we propose an individual animal tracking framework without requiring any explicit human annotations by modifying one of the oldest semi-supervised learning methods called self-training with significant upgrades. Replacing the initial human-annotated dataset required for self-training with the unreliable object locations proposed by the Segment Anything Model (SAM), we iteratively train accurate object detectors. To demonstrate the effectiveness of our method, we conduct some comparative experiments containing our honeybee colony data and a few publicly available animal colony location datasets. The experimental results show that the object detectors trained with the proposed method can achieve scientifically satisfactory detection results without labelling any bounding boxes.

Benzer Tezler

  1. Tez No

    956406

    Dikkat eksikliği ve hiperaktivite bozukluğu olan çocukların el yazılarının görüntü işleme teknikleri ile analizi

    Analysis of handwriting of children with attention deficit hyperactivity disorder using image processing techniques

    ÖZLEM YILDIZ BUDAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED FATİH ADAK

  2. Tez No

    805970

    Image processing based analysis and quantification of micro biomaterials and cells for biochip

    Biyoçipler için mikro biyomalzemelerin ve hücrelerin görüntü işleme yöntemleri ile otomatik olarak sayılması ve analizi

    FATMA ÇELEBİ

    Doktora

    İngilizce

    İngilizce

    2023

    BiyomühendislikAbdullah Gül Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. KUTAY İÇÖZ

  3. Tez No

    79346

    Algebraiz theory of linear multivariable control systems

    Çok değişkenli doğrusal kontrol sistemlerinin cebirsel teorisi

    SEVGİ ÇETİN

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. A. BÜLENT ÖZGÜLER

  4. Tez No

    79318

    Motion planning of a mechanical snake using neural networks

    Mekanik bir yılanın deviniminin yapay sinir ağları ile tasarlanması

    BARIŞ FİDAN

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. M. EROL SEZER

  5. Tez No

    421061

    Türkçe sözcük anlam belirsizliği giderme

    Word sense disambiguation for Turkish

    BAHAR İLGEN

    Doktora

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. EŞREF ADALI

    YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ

Geri Dön