Driving assistant using YOLOV8 deep learning model for car, person and traffic detection with a decision-support algorithm
YOLOV8 derin öğrenme modeli kullanan sürüş asistanı araba, kişi ve trafik tespiti için karar destek algoritmasıyla
- Tez No: 939042
- Danışmanlar: YRD. DOÇ. DR. SİNA ALP
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Okan Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 96
Özet
Yapay zekaya dayalı karar destek sistemleri günümüzde bilgisayar bilimi uygulamalarında çok yaygın hale gelmiştir. Ancak, hala bazı zorluklarla karşı karşıyadırlar ve daha fazla iyileştirmeye ihtiyaç duymaktadırlar. Bu araştırmada, iki ana aşamaya (çok aşamalı) dayalı kapsamlı bir sürüş asistanı çerçevesi geliştirilmiştir. İlk adım, YOLOV8 modelinin kullanıldığı derin öğrenme nesne algılama modelidir. İkinci bölümde ise, YOLOV8 tahminlerine dayalı sürüş kararını vermek için yeni bir karar destek algoritması önerilmektedir. İlk olarak, BDD100K veri kümesi olan trafik tabanlı nesnelerin (araba, bisiklet, kamyon, otobüs, tren, motor, kişi, trafik ışığı, trafik işareti ve sürücü) kapsamlı bir veri kümesi kullanılmıştır. Bu veri kümesi halihazırda eğitim ve test kümelerine ayrılmıştır. Eğitim seti, birçok veri albüminasyon işlemi uygulandıktan sonra YOLOV8 modelini eğitmek için kullanılır. Daha sonra eğitilen YOLOV8 modeli, test seti ve performans ölçümleri (hassasiyet, geri çağırma ve mAP) kullanılarak değerlendirilir. Bundan sonra, sınırlayıcı kutular, tahmin edilen sınıflar ve her test örneğinin güven değerleri dahil olmak üzere tahmin sonuçları, bileşen başına örnek sayısını saymaktan, trafik durumunu (hafif, orta ağır) tanımlamaktan, sürüş kararını tanımlamaktan ve aracın rota yönünü tanımlamaktan sorumlu olan karar destek algoritmasına geçirilir. Önerilen metodoloji, yüksek algılama doğruluğunu ve doğru sürüş kararını kanıtlayan birçok test vakası kullanılarak değerlendirilir. Mevcut araç sistemleri, daha güvenli bir sürüş için YOLOV8 modeli tarafından desteklenen tasarlanmış karar destek modelini kullanabilir.
Özet (Çeviri)
Decision-support systems that is based on artificial intelligence become very common in computer science applications nowadays. However, they are still facing some challenges and needs more improvements. In this research, a driving assistant comprehensive framework based on two main stages (multi-stage). The first step is the deep learning object detection model in which, the YOLOV8 model is utilized. While in the second part, a novel decision-support algorithm is proposed to make the driving decision based on the YOLOV8 predictions. First, a comprehensive dataset of traffic-based objects (car, bike, truck, bus, train, motor, person, traffic light, traffic sign, and rider) which is the BDD100K dataset is utilized. This dataset is already split into training and test sets. The training set is used to train the YOLOV8 model after applying many data albumenations operation. The trained YOLOV8 model is then evaluated using the test set and via performance metrics (precision, recall and mAP). After that the predictions results, including the bounding boxes, the predicted classes and the confidence values of each test sample is passed to the decision-support algorithm that is responsible of counting number of instances per component, define the traffic status (light, moderate heavy), define the driving decision, and define the routing direction of the car. The proposed methodology is evaluated using many test cases which proved the high detection accuracy and the right driving decision. Current car systems can use the designed decision-support model supported by the YOLOV8 model for a better safe driving.
Benzer Tezler
- Prediction of the pedestrian crossing intention using deep learning
Yayaların karşıya geçme davranışlarının derin öğrenmeyle tahmini
BERK EREN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET HAMDİ KAYRAN
- Derin öğrenme ile trafik işaretlerini tanıyan bir sürücü destek sistemi
A driver assistance system that recognizes traffic signs with deep learning
MOHAMED TAGHİ
Yüksek Lisans
Türkçe
2022
UlaşımBandırma Onyedi Eylül ÜniversitesiAkıllı Ulaşım Sistemleri ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLYAS ÖZER
- Derin öğrenme yöntemleri ile şüpheli davranış tespiti
Suspicious behavior detection with deep learning methods
DUYGU ÇALIŞKAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖNDER DEMİR
- 3D nokta bulutu verileri kullanılarak otonom sürüş için nesne algılama yöntemi ile karayolu envanterlerinin tespit edilmesi
Determination of highway inventories with object detection method for autonomous driving using 3D point cloud data
HİLAL GEZGİN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. REHA METİN ALKAN
- Driver's maneuvering recognition and assistance system based on particle filter
Parçacık filtresi tabanlı sürücü manevra algılama ve uyarı sistemi
ELİF NURDAN PEKTAŞ
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANKUT ACARMAN