Detail preserving nonlinear scale space generation
Detay koruyan doğrusal olmayan ölçek uzayı oluşturulması
- Tez No: 956438
- Danışmanlar: PROF. DR. BAHA ŞEN
- 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: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 79
Özet
Bu tez, ölçek-uzay teorisinden esinlenerek, özellik temsilini geliştirmek ve çeşitli alt akış bilgisayarlı görme görevlerinin performansını iyileştirmek için tasarlanmış, yeni, ölçeklenebilir ve gözetimsiz çok ölçekli bir özellik çıkarma yöntemini sunmaktadır. Göreve özgü gözetimli yöntemlerin aksine, önerilen yaklaşım genel ve esnektir ve önerilen yöntemi değişiklik yapılmadan çok çeşitli uygulamalarda uygulanabilir hale getirir. Bu yaklaşım, giriş görüntülerini etiketli verilere ihtiyaç duymadan düzgün, ayrıntılı ve artık bileşenlere ayırır. Ortaya çıkan yorumlanabilir ve modüler ön işleme adımı, çıkarılan özelliklerin çeşitliliğini ve alakalılığını artırır. Sınıflandırma ve segmentasyon görevleri üzerindeki deneyler, on sınıftan oluşan bir sınıflandırma veri setinde doğrulukta yüzde üçe kadar artış ve yüksek çözünürlüklü tıbbi görüntü segmentasyonunda gelişmiş sınır belirleme dahil olmak üzere önemli iyileştirmeler göstermektedir. Tamamen evrişimli bir ağ mimarisi, bu boyutlar on altının katları olduğu takdirde, yapısal değişiklikler gerektirmeden değişen boyutlarda verimli görüntü işlemeyi mümkün kılar. Bu esneklik, hedef veriler üzerinde yeniden eğitim veya ince ayar yoluyla mevcut makine öğrenimi uygulamalarına kolay entegrasyonu kolaylaştırır. Bu çalışma ayrıca ilgili verileri etkili bir şekilde filtreleyerek gürültüyü ve yabancı bilgileri azaltır ve böylece yapay zeka sistemlerinin verimliliğini ve sağlamlığını artırır. Bu nitelikler, çalışmamızın tıbbi görüntüleme, uzaktan algılama ve anormallik tespiti gibi çeşitli alanlarda geniş uygulama potansiyelini göstermektedir. Gelecekteki araştırmalar, değerlendirmeyi diğer uygulama alanlarına genişletmeye ve modelin değişen hiperparametre yapılandırmaları altındaki sağlamlığınıkeşfetmeyeodaklanacaktır.
Özet (Çeviri)
This thesis presents a novel, scalable, and unsupervised multi-scale feature extraction methodinspiredbyscale-spacetheory,designedtoenhancefeaturerepresentationand improve the performance of various downstream computer vision tasks. Unlike task-specific supervised methods, the proposed approach is general and flexible, making the proposed method applicable across a wide range of applications without modification. This approach decomposes input images into smooth, detailed, and residualcomponentswithouttheneedforlabeleddata. Theresultinginterpretableand modularpreprocessingstepenhancesthediversityandrelevanceofextractedfeatures. Experiments on classification and segmentation tasks demonstrate notable improvements, including up to a three percent increase in accuracy on a classification dataset that comprises ten classes and enhanced boundary delineation in high-resolution medical image segmentation. A fully convolutional network architecture enables efficient image processing across varying dimensions, provided these dimensions are multiples of sixteen, without necessitating structural modifications. This flexibility facilitates easy integration into existing machine learning applications through re-training or fine-tuning on target data. This study also effectively filters relevant data, reducing noise and extraneous information, thereby improving the efficiency and robustness of artificial intelligence systems. These attributes demonstrate the potential of our study for broad application in various domains, such as medical imaging, remote sensing, and anomaly detection. Future research will focus on extending the evaluation to other application areas and exploringthemodel's robustnessundervarying hyperparameter configurations.
Benzer Tezler
- Jeoistatistiksel, statik ve kararsız basınç testi verilerine koşullandırılmış heterojen geçirgenlik ve gözeneklilik sahalarının türetilmesi
Generation of porosity and permeability fields conditioned to geostatistical, and pressure transient data
ADİL GÜRKAN CEYHAN
Yüksek Lisans
Türkçe
1997
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol Mühendisliği Ana Bilim Dalı
PROF. DR. ABDURRAHMAN SATMAN
- Yüksek boyutlu model gösterilimi ve çok değişkenliliği yükseltilmiş çarpımlar gösterilimi ile görüntü üzerindeki gürültüleri giderme
Image denoising via high dimensional model representation and enhanced multivariate product representation
SENA KAÇAR
Doktora
Türkçe
2024
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU TUNGA
- F-16 hava aracının doğrusal olmayan dinamik tersleme tabanlı dayanıklı kontrol yöntemleri ile kontrolü
Control of F-16 aircraft with nonlinear dynamic inversion based robust control methods
BUSE EMİNE DURMAZ ÇALICIOĞLU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET TURAN SÖYLEMEZ
- Zaman alanı terahertz fiber üstü radyo uygulamaları için yonga üstü fotonik bileşenlerin ileri tasarım yöntemleri ile geliştirilmesi
Development of novel on-chip optical components via advanced design methods for time-domain terahertz radio-on-fiber applications
AHMET OĞUZ SAKIN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÜNLÜ
