New hybrid method for deep learning based point cloud processing
Derin öğrenme tabanlı nokta bulutu işleme için yeni hibrit metot
- Tez No: 934846
- Danışmanlar: PROF. DR. REMZİ YILDIRIM
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 193
Özet
3B görüntüleme teknolojilerindeki ilerlemeler, otonom sistemler, robotik, savunma ve tıbbi teşhis gibi hassas mekânsal algılama gerektiren alanlarda önemli bir yenilik sağlamıştır. 3B veri temsilleri arasında nokta bulutları zengin geometrik ayrıntılar sunsa da, düzensiz yapıları nedeniyle işlenmeleri zordur. Bu çalışmada, nokta bulutunu doğru ve etkili bir şekilde işlemek için iki yeni derin öğrenme tabanlı yöntem geliştirilmiş ve mevcut yaklaşımlar kapsamlı bir şekilde ele alınmıştır. İlk olarak, Hybrid ResPOL, Artık Makine Öğrenimi Algılayıcısı (ResMLP) ve bu çalışmada tasarlanan Patch-Offset Lambda (POL) mekanizmasının birleşimi ile geliştirilmiştir. POL, düşük frekanslı küresel özellikleri etkili şekilde elde ederken, ResMLP yüksek frekanslı yerel özellikleri hiyerarşik olarak çıkarır, böylece minimum kayıpla özellikler elde edilir. Lambda katmanları kullanan POL mekanizması, geleneksel dikkat mekanizmalarına göre hız ve doğruluk açısından üstün performans sergiler. Hybrid ResPOL, ModelNet40 veri setinde %94,3 OA ve %91,3 mAcc, ScanObjectNN veri setinde ise %92 OA ve %91,2 mAcc başarımları elde etmiştir. Ayrıca, saniyede 205,1 örnek işleyerek, PointMLP'yi 4.3 kat aşmaktadır. İkinci olarak, ResMLP ile çift dikkat mekanizması (DAM) birleştirilerek geliştirilen ResDAM, sınıflandırma doğruluğunu artırmak amacıyla sunulmuştur. ResDAM'in çift yol mimarisi, yerel ve küresel özellikleri verimli bir şekilde çıkararak, ModelNet40 veri setinde %94,1 OA ve %93,1 mAcc, ScanObjectNN veri setinde ise %88,7 OA ve %87,8 mAcc doğruluk değerlerine ulaşmıştır. Deneysel sonuçlar, Hybrid ResPOL ve ResDAM'ı 3B nokta bulutu işlemede en ileri çözümler olarak konumlandırmaktadır.
Özet (Çeviri)
The advancement of 3D imaging has revolutionized fields requiring precise spatial perception, such as autonomous systems, robotics, defence, and medical diagnostics. Among 3D data representations, point clouds offer rich geometric details, but their irregular structure and unstructured nature makes them challenging to process. In this study, two new deep learning-based methods are developed to process point clouds accurately and efficiently, while existing approaches are thoroughly examined. First, Hybrid ResPOL method is developed by combining the Residual Machine Learning Perceptron (ResMLP) with the Patch-Offset Lambda (POL) mechanism, designed in this study for feature extraction from point cloud. The POL mechanism captures low-frequency global features, while ResMLP hierarchically extracts high-frequency local features, ensuring the extraction of features with minimal loss. The POL mechanism, utilizing Lambda layers, demonstrates superior performance in terms of speed and accuracy compared to traditional attention mechanisms. Hybrid ResPOL achieves 94.3% overall accuracy (OA) and 91.3% mean accuracy (mAcc) on ModelNet40 dataset, and 92% OA and 91.2% mAcc on challenging ScanObjectNN dataset. The method processes 205.1 samples per second during training and 493.6 during testing, outperforming PointMLP by a factor of 4.3. Secondly, ResDAM is developed as a hybrid framework that integrates ResMLP with dual attention mechanisms (DAM) to enhance classification. Dual-path architecture of ResDAM, efficiently extracts local and global features, achieving 94.1% OA and 93.1% mAcc on ModelNet40, and 88.7% OA and 87.8% mAcc on ScanObjectNN. Experimental results establish Hybrid ResPOL and ResDAM as state-of-the-art solutions for 3D point cloud processing.
Benzer Tezler
- 5 eksenli hibrit delta robotun RGB-D kamerayla görsel servo yaklaşımı ile yönlendirilmesi
Guidance of 5-axis hybrid delta robot with RGB-D camera using visual servo approach
ÖZGÜR KURT
Yüksek Lisans
Türkçe
2025
Mekatronik MühendisliğiBursa Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NURETTİN GÖKHAN ADAR
- Kapalı ortamlarda otonom insansız hava sistemlerinin geliştirilmesi
Development of autonomous unmanned aerial systems in indoor environments
MUHAMMET FATİH ASLAN
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AKİF DURDU
DOÇ. DR. KADİR SABANCI
- Multi-scale rainfall predictions using data-driven models with advanced data preprocessing techniques
Gelişmiş veri ön işleme teknikleriyle veri odaklı modeller kullanarak çok ölçekli yağış tahminleri
KÜBRA KÜLLAHCI
Doktora
İngilizce
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK
- Deep learning-based keypoints driven visual inertial odometry for GNSS-denied flight
Yapay sinir ağları tabanlı nokta çıkarıcılı görsel-ataletsel odometri ile GPS'siz ortamda uçuş
ARSLAN ARTYKOV
Yüksek Lisans
İngilizce
2023
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE KOYUNCU
- Montaj operasyonlarında operatör verimliliğinin yapay zekâ temelli görüntü izleme ile iyileştirilmesine yönelik bir endüstri 4.0 yaklaşımı
An Industry 4.0 Approach to Improve Operator Efficiency in Assembly Operations with AI-Based Image Tracking
ÖZNUR AY CEYLAN
Doktora
Türkçe
2025
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ERDAL EMEL