Görüntüde kamufle olmuş nesne tespiti ve tanınması: Kelebek örneği
Detection and recognition camouflaged objects in images: The case of butterfly
- Tez No: 935991
- Danışmanlar: DOÇ. DR. VASİF NABİYEV
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 174
Özet
Kamuflaj görüntülerde yer alan kamufle olmuş nesneler arka planla yakın doku, desen ve renk özelliklerine sahip olduklarından, tespit edilmeleri oldukça zordur. Zayıf sınırlara ve arka plana benzer desenlere sahip olduklarından mevcut ikili bölütleme çözümleri kamufle olmuş nesnenin tespit edilmesi problemiyle kolayca başa çıkamamaktadır. Kamuflajlı nesne tespiti (COD) arka planla yüksek derecede benzerlik gösteren nesnelerin tespit edilmesini amaçlamaktadır. Bu tez çalışmasında ERVA 1.0 orijinal kamuflaj veri seti oluşturularak kullanılmıştır. COD problemi için bu tez çalışmasında bölütleme ve nesne tanıma olmak üzere iki aşamalı bir çözüm sunulmaktadır. ERVA 1.0 veri seti üzerinde yer alan tüm test görüntülerinin doku özellikleri bölütleme işlemi için Gabor Filtre kullanılarak çıkarılmıştır. Çıkarılan bu özellikler K-means algoritması yardımıyla kümelenerek orijinal görüntü doku özelliklerine göre farklı bölgelere ayrılmıştır. Bu bölgelerdeki nesnelerin tespit edilmesi için LBP ve Öklid uzaklık hesabı kullanılmıştır. Daha sonra nesnenin türünün tahmin edilmesi için derin öğrenme tekniklerinden önceden eğitilmiş modeller kullanılmıştır. Çalışmada bölütleme başarısı Structural Similarity yöntemiyle %87.89, Dice Similarity Coefficient yöntemi ile %83.64 başarı oranı hesaplanmıştır. Bölütleme sonrası elde edilen nesne türünün tespit edilmesi için derin öğrenme önceden eğitilmiş modeller kullanılmıştır. Artırılmamış veri ile Deney 1 ve veri artırma yöntemi uygulanarak artırılmış veri ile Deney 2 yapılmıştır. Deney 1 için en yüksek başarı oranı InceptionResNetV2 modeli ile %92.29 ve Deney2 için en yüksek başarı oranı ise DenseNet121 modeli ile %94.81 olarak elde edilmiştir.
Özet (Çeviri)
Camouflaged objects in camouflage images are difficult to detect because they have similar texture, pattern and colour characteristics to the background. Since they have weak boundaries and patterns similar to the background, existing binary segmentation solutions cannot easily cope with the problem of camouflaged object detection. Camouflaged object detection (COD) aims to detect objects with a high degree of similarity to the background. In this thesis, ERVA 1.0 original camouflage dataset is created and used. In this thesis, a two-stage solution is presented for the COD problem: segmentation and object recognition. The texture features of all test images on the ERVA 1.0 dataset are extracted using Gabor Filter for segmentation. These extracted features are clustered with the K-means algorithm and the original image is divided into different regions according to the texture features. LBP and Euclidean distance calculation were used to detect the objects in these regions. Then, pretrained models from deep learning techniques were used to predict the type of the object. In the study, the segmentation success rate was 87.89% with the Structural Similarity method and 83.64% with the Dice Similarity Coefficient method. Deep learning pretrained models were used to determine the object type obtained after segmentation. Experiment 1 was performed with un augmented data and Experiment 2 was performed with augmented data by applying data augmentation method. The highest success rate for Experiment 1 was 92.29% with the InceptionResNetV2 model and the highest success rate for Experiment 2 was 94.81% with the DenseNet121 model.
Benzer Tezler
- Mask R-CNN algoritması ile askeri kamuflaj sınıflandırması
Military camouflage classification with mask R-CNN algorithm
İLKAY KARATEPE
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. VASIF NABIYEV
- U-Net ağı kullanılarak kamufle askeri unsurların tespiti
Detection of camouflaged military elements using the U-Net network
MURAT ALTUN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN GÜRÜLER
- Family conflicts in the plays of Eugene O'Neill, Sam Shepard and Harold Pinter
Eugene O'Neill, Sam Shepard ve Harold Pinter'ın oyunlarındaki aile içi çatışmalar
AYŞE GÜLSÜM KARAALİOĞLU
Doktora
İngilizce
2021
İngiliz Dili ve Edebiyatıİstanbul Aydın Üniversitesiİngiliz Dili ve Edebiyatı Ana Bilim Dalı
PROF. DR. FERMA LEKESİZALIN
- Kişiler arasındaki konuşmaların dinlenilmesi ve kayda alınması suçu (TCK m.133)
The crime of 'tapping and recording of conversations between the individuals' (Turkish Penal Code art.133)
VOLKAN AKYILMAZ
- Machine learning techniques in breast cancer detection
Meme kanserinde otomatik öğrenme teknikleri
İNCİ ZAİM GÖKBAY
Yüksek Lisans
İngilizce
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF.DR. NİZAMETTİN AYDIN