Geri Dön

Su altı görüntülerinde derin öğrenme kullanılarak insan tespiti

Human detection in underwater images using deep learning

PDF İndir

  1. Tez No: 972273
  2. Yazar: KEMAL DEMİRKOL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ TURGAY AYDOĞAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez çalışmasında su altı arama ve kurtarma faaliyetlerinde insan tespitini kolaylaştırmak amacıyla derin öğrenme tabanlı bir nesne tespit sistemi geliştirilmiştir. Su altı ortamlarında karşılaşılan düşük görüş mesafesi, bulanıklık ve ışık kırılması gibi zorluklara karşı su altı görüntülerinden doğruluk oranı yüksek bir modelin geliştirilmesi hedeflenmiştir. Bu kapsamda su altındaki insanlara ait görüntülerden oluşturulan çok sınıflı bir veri seti oluşturulmuştur. Bu veri seti sosyal medya platformlarından seçilen 119 farklı videodan elde edilen toplam 4385 görüntüden oluşmaktadır. Görüntülerin her birinde baş, kol, el, vücut, bacak ve ayak olmak üzere altı vücut bölgesi etiketlenmiştir. Model eğitimi YOLOv8 mimarisinin beş farklı versiyonu (n, s, m, l, x) ile gerçekleştirilmiştir. Tüm modeller aynı hiperparametre değerleri ile eğitilmiştir. Modellerin performansları kesinlik, duyarlılık, mAP50 ve mAP50–95 ölçütleriyle değerlendirilmiştir. En yüksek mAP50 değeri 0,805 ile YOLOv8m iken, en yüksek mAP50-95 değeri 0,466 ile YOLOv8x ile elde edilmiştir. En düşük mAP50 değeri 0,722 ve mAP50-95 değeri 0,406 YOLOv8n modelinde olduğu gözlenmiştir. Elde edilen performans ölçütlerine göre geliştirilen modelin su altı insan ve vücut bölgesi tespitinde kullanılabileceğini göstermektedir.

Özet (Çeviri)

In this thesis, a deep learning-based object detection system was developed to facilitate human detection in underwater search and rescue operations. The aim was to develop a highly accurate model from underwater images to address challenges encountered in underwater environments such as low visibility, blur, and light refraction. In this context, a multi-class dataset was created using images of people underwater. This dataset consists of a total of 4,385 images obtained from 119 different videos selected from social media platforms. Each image labeled six body regions: head, arm, hand, body, leg, and foot. Model training was performed using five different versions of the YOLOv8 architecture (n, s, m, l, x). All models were trained with the same hyperparameter values. Model performance was evaluated using precision, sensitivity, mAP50, and mAP50–95 metrics. The highest mAP50 value was 0.805 for YOLOv8m, while the highest mAP50-95 value was 0.466 for YOLOv8x. The lowest mAP50 value was 0.722 and mAP50-95 value was 0.406 for YOLOv8n. The obtained performance criteria indicate that the developed model can be used for underwater human and body part detection.

Benzer Tezler

  1. Tez No

    945247

    Developing a smart method for real -time brain tumor localization and segmentation on ct ımages using hybrid techniques and yolo

    Hibrit teknikler ve yolo kullanilarak bt görüntülerinde gerçek zamanli beyin tümörü lokalizasyonu ve segmentasyonu için akilli bir yöntem geliştirilmesi

    NUSAIBAH KHALID ABDULMAJEED AL-SALIHI

    Doktora

    İngilizce

    İngilizce

    2025

    Çukurova Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    Yükleniyor...

  2. Tez No

    581887

    Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models

    Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma

    NEŞE GÜNEŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    İstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    Yükleniyor...

  3. Tez No

    520035

    Video analysis based fish detecton and tail beat frequency estimation in fishways

    Video analizi ile balık geçitlerinde balık tanıma ve kuyruk sallama frekansı tahmini

    YASİN YILDIRIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    İstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    Yükleniyor...

  4. Tez No

    807831

    Developing algorithm for automatic detection of caves using unmanned aerial vehicle data

    İnsansız hava araçlarından elde edilen verilerle otomatik mağara tespiti yapabilen algoritmanın geliştirilmesi

    MUSTAFA BÜNYAMİN SAĞMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    İstanbul Teknik Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    Yükleniyor...

  5. Tez No

    803820

    Enhancing human resource decision making with image-based OSMI data analysis: leveraging PIX2PIX for accurate workplace mental health insights

    İş yeri mental sağlık incelemeleri için PIX2PIX kullanarak, görüntü tabanlı OSMI veri analiziyle insan kaynakları karar süreçlerini geliştirme

    FARIBA FARID

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    İstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    Yükleniyor...

Geri Dön