Nesne tanımada kullanılan popüler özniteliklerin karşılaştırılması
Comparison of popular features used in object recognition
- Tez No: 936376
- Danışmanlar: DR. ÖĞR. ÜYESİ CELAL ONUR GÖKÇE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 125
Özet
Bu araştırmada, nesne tanımada kullanılan popüler özniteliklerin karşılaştırılması yapılmıştır. Teknolojinin gelişmesi, beraberinde bilgisayarla görme görevlerindeki yenilikleri de beraberinde getirmiştir. Bilgisayarla görme ve nesne algılama günümüzde otonom araçlar, yüz tanıma, tıbbi görüntüleme ve daha birçok alanda kullanılmaktadır. Bu çalışmada nesne tanımada kullanılan üç popüler öznitelik ve iki veri seti kullanılmıştır. Özniteliklerin, veri setlerinde gösterdikleri performanslar ve farklı veri setlerinin öznitelik kalitesine etkisi incelenmiştir. İnceleme sonucuna göre öznitelik kaliteleri, farklı veri setlerinde değişkenlik göstermiştir. Bu çalışmanın veri setleri VisDrone veri seti ve MNIST veri seti olarak belirlenmiştir. Öznitelik çıkarma yöntemleri ise HOG, SIFT ve ORB öznitelik çıkarıcılar olarak belirlenmiştir. VisDrone veri setinde en iyi performansı SIFT öznitelik çıkarıcı sergilemiştir. MNIST veri setinde en iyi performans ORB öznitelik çıkarıcıya aittir.
Özet (Çeviri)
In this research, a comparison of popular features used in object recognition was made. The development of technology has brought innovations in computer vision tasks. Computer vision and object detection are currently used in autonomous vehicles, face recognition, medical imaging and many other areas. Three popular features and two data sets used in object recognition were used in the study. The performances of the features in the data sets and the effects of different data sets on the feature quality were examined. According to the results of the examination, the feature qualities varied in different data sets. The data sets of this study were determined as VisDrone data set and MNIST data set. The feature extraction methods were determined as HOG, SIFT and ORB feature extractors. SIFT feature extractor exhibited the best performance in VisDrone data set. ORB feature extractor had the best performance in MNIST data set.
Benzer Tezler
- Yüz imgelerinden duygu tanıma
Expression recognition from face images
CANER GACAV
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEMAL ÖZKAN
- Reduced dimensional features for object recognition
Nesne tanıma için boyutu indirgenmiş öznitelik vektörleri
REYHAN KEVSER KESER
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
- Derin öğrenme kullanılarak perakende ürün tespiti
Başlık çevirisi yok
İSMAİL KÖSE
Yüksek Lisans
Türkçe
2022
Bilim ve TeknolojiSivas Cumhuriyet ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. OĞUZ KAYNAR
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- Deep neural networks algorithms for acoustic drone detection
Akustik drone tespiti için derin sinir ağları algoritmaları
HUSSAM KANAAN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiEskişehir Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANSU FİLİK