Deep learning based real-time colorful night vision
Derin öğrenme tabanlı gerçek zamanlı renkli gece görüşü
- Tez No: 920727
- Danışmanlar: PROF. DR. SEDAT NAZLIBİLEK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 79
Özet
Yoğunlaştırılmış Yük Bağlantılı Aygıt (ICCD) gibi gece görüş sistemleri düşük ışık koşullarında (örneğin gece görüşü) hedef tanıma sağlar, ancak bir sahnedeki birden fazla nesnenin görüntülerini ayırmak ve hızlı bir şekilde analiz etmek için elverişsizdir. Gece görüş sistemlerinde gündüz gibi renkli bir görüntüye sahip olmak, görüntü analizini, gözlemcinin durumsal farkındalığını, tepki süresini ve algısal analizi (insan görüşü) kesinlikle iyileştirir. Çalışmanın amacı, gece görüş sistemlerindeki renkli tek tonlu(yeşil) görüntüyü derin öğrenme ağı kullanarak gerçek zamanlı olarak renge dönüştürerek gerçekçi bir görüntüye dönüştürmektir. Görüntüden görüntüye transferde kullanılan tekniklerden biri olan Cycle-GAN yöntem olarak tercih edilmiştir. Gece görüş alanının uygulaması doğayı gözlemlemiyle sınırlıdır. Bu amaçla vahşi doğada yakalanan tilkilerin veri seti seçilmiştir. Ağı eğitmek için gece görüş fotoğrafları veri setine ihtiyaç duyulmuştur. Araştırmalarda böyle bir veri setine rastlanmamıştır. Tez çalışmasını gerçekleştirebilmek için gece görüş filtresi geliştirilmiştir. Bu filtre, renkli görüntüden dört belirgin yeşil gece görüş tonu üretir: ay ışığı yokken, çeyrek ay ışığı varken, yarım ay ışığı varken ve dolunay ışığı varken. Çalışmanın ilk katkısı, dört belirgin ay ışığı gece görüş filtresi kullanılarak üretilen tilki veri setidir. İkincisi, renkli tek tonlu(yeşil) gece görüş görüntülerini renklendirmek için derin öğrenme ağı CycleGAN'ın kullanılması ilk defa bu tezde gerçekleştirilmiştir. Üçüncüsü, dört farklı Ay ışığı filtresi kullanılarak veri setinin çoğaltılması da gece görüş veri seti için bir veri seti artırma tekniği olarak kabul edilebilir.
Özet (Çeviri)
Night vision systems such as Intensified Charge-Coupled Device (ICCD) provide target recognition in low-light conditions (e.g., night vision) but are inconvenient for separating and quickly analyzing images of multiple objects in a scene. Having a colorful image like daytime in night vision systems definitely improves image analysis, situational awareness of the observer, reaction time, and perceptual analysis (human vision). The aim of the study is to convert the colored, color monochrome(green) image in night vision systems into a realistic image by converting it to color in real time using a deep learning network. Cycle-GAN, one of the techniques used in image-to-image transfer, was preferred as a method. The application of the night vision field is limited to observing nature. For this purpose, a dataset of foxes caught in the wild was selected. A dataset of night vision images was needed to train the network. No such dataset was found when searched. A night vision filter was developed to carry out the thesis work. This filter produces four distinct green night vision tones from the colored image: no moonlight, quarter moonlight, half moonlight, and full moonlight. The first contribution of the study is the fox dataset generated using the four distinct moonlight night vision filters. Second, the use of deep learning networks CycleGAN to colorize color monochrome(green) night vision images is the first time implemented in this thesis. Third, augmenting the dataset using four different Moonlight filters can also be considered as a dataset augmentation technique for the night vision dataset.
Benzer Tezler
- Image analysis based symbol recognition in colored maps
Renkli haritalarda görüntü analizi tabanlı sembol tanıma
FATMANUR TURHAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Derin öğrenme tabanlı geçek zamanlı kimliklendirme sistemi
Deep learning based real time identification system
MEHMET FATİH ÖZDEMİR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DAVUT HANBAY
- Deep learning based real-time sequential facial expression analysisusing geometric features
Derin öğrenme tabanlı geometrik özellikleri kullanarak gerçek zamanlı sıralı yüz ifadesi analizi
TALHA ENES KÖKSAL
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji EnstitüsüElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDURRAHMAN GÜMÜŞ
- Yazılım tabanlı araçsal ağlara yönelik gerçekleştirilen DDoS saldırılarının derin öğrenme tabanlı gerçek zamanlı tespiti
Deep learning based real-time detection of DDoS attacks on software-defined based vehicular networks
ONUR POLAT
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN POLAT
- Termokromik PLA ile derin öğrenme tabanlı anlık sıcaklık izleme sistemi ve uygulamaları
A deep learning based real-time temperature monitoring system with thermochromic PLA and it's applications
EĞEMEN NAZİFE YAZLIK
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER GALİP SARAÇOĞLU