Optımızıng yolov11 wıth effıcıentnet for uav-based real-tıme traffıc and pedestrıan monıtorıng ın smart cıtıes
Optimizing yolov11 with efficientnet for uav-based real-time traffic and pedestrian monitoring in smart cities
- Tez No: 983751
- Danışmanlar: DR. ÖĞR. ÜYESİ ROA'A ALI ABDULLAH MOHAMMEDQASEM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay Zekâ, EfficientNetB7, Yaya ve Araç Tespiti, YOLOv11, Trafik Yönetimi, Nesne Tespiti, Artificial Intelligence, EfficientNetB7, Detection of pedestrians and vehicles, YOLOv11, Traffic Management, object detection
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bilgisayarla görü, akıllı şehirlerin gelişiminde özellikle akıllı ulaşım sistemleri (ITS) kapsamında trafik sıkışıklığını azaltmak ve yol güvenliğini artırmak için vazgeçilmez bir araç haline gelmiştir. Yüksek trafik yoğunluğuna bağlı olarak araç hızının azalmasıyla karakterize edilen trafik sıkışıklığı, ancak araçların ve yayaların doğru bir şekilde tespit edilmesiyle etkili bir biçimde çözülebilir. İnsansız hava araçları (UAV), geniş alanlı trafik izleme için hafif, taşınabilir ve maliyet açısından uygun bir çözüm sunmaktadır. Ancak, hava görüntülerinde küçük, gizlenmiş ve üst üste binen nesnelerin tespitindeki zorluklar, bu araçların etkinliğini sınırlamaktadır. Bu sorunları çözmek amacıyla, bu çalışma, orijinal YOLOv11 omurgasının EfficientNet-B7 mimarisi ile değiştirildiği geliştirilmiş bir algılama çerçevesi olan EfficientNetB7-YOLOv11'i sunmaktadır. EfficientNet-B7'nin omurga ve boyun kısımlarına entegrasyonu, küresel özellik çıkarımını iyileştirerek modelin küçük ve örtülü hedefleri tanıma yeteneğini artırmaktadır. Ayrıca, çerçeve, üst üste binen sınırlayıcı kutulardaki hataları azaltacak şekilde tasarlanmış olup, yoğun kentsel sahnelerde tespit sağlamlığını geliştirmektedir. Önerilen model, UAV tabanlı nesne tespiti için bir kıyas ölçütü olan VisDrone veri seti kullanılarak doğrulanmıştır. Deneysel sonuçlar, EfficientNetB7-YOLOv11'in, ortalama doğruluk ([email protected]) değerinde %57,37'lik bir artış ile temel YOLOv11'e kıyasla üstün performans gösterdiğini ortaya koymaktadır. Bu bulgular, EfficientNet'in YOLOv11 ile entegrasyonunun, UAV tabanlı yaya ve araç tespitinde doğruluğu ve güvenilirliği önemli ölçüde artırdığını, aynı zamanda gerçek zamanlı akıllı şehir uygulamaları için gerekli olan verimliliği koruduğunu doğrulamaktadır.
Özet (Çeviri)
Computer vision is now an indispensable tool in the concept of smart cities, especially in intelligent transportation systems (ITS) to reduce traffic congestion and enhance traffic safety. A major contributing factor of a traffic jam, where the speed of vehicles slows down due to the high number of vehicles on the road, can only be tackled if both side of this street - vehicles and pedestrians are correctly identified. Light-weight Unmanned Aerial Vehicles (UAVs) are a portable solution for monitoring of large areas with low-cost. Yet they are limited in their performance due to the difficulty of small, occluded and crowded object detection in aerial images. To resolve these problems, we propose an improved detection pipeline, EfficientNetB7-YOLOv11, by feeding the EfficientNet-B7 network instead of the YOLOv11 backbone. The fusion of EfficientNet-B7 into the backbone and neck strengthens the capability of global feature extraction, which facilitates the detection of small and occluded targets. The model is further aimed to minimize errors between overlapping bounding boxes, thus improving the detection robustness for crowded urban environments. Then the proposed model was tested and compared with other models on VisDrone, where it is a benchmark of object detection on UAV. Experimental results show that EfficientNetB7-YOLOv11 outperforms the baseline YOLOv11 with a gain of 57.37% in mAP@0, 5). These results verify that the combination of EfficientNet and YOLOv11 greatly improves the precision and robustness of pedestrian and vehicle detection using UAV surveillance and is also efficient enough to be employed in real-time smart city applications.
Benzer Tezler
- Solid böbrek kitlelerine sahip hastalarda operasyon öncesı benign-malign ayrımında ve alt tiplendirmede berrak hücreli olasılık skoruna dayalı görüntü işleme ve makina öğrenme yapay zeka modeli
Image processing and machine learning artificial intelligence model based on a clear cell likelihood score to predict preoperative benign-malignant differentiation and subtyping in patients with solid renal masses
ÖZGÜR DENİZ TATAROĞLU
Tıpta Uzmanlık
Türkçe
2026
ÜrolojiSağlık Bilimleri ÜniversitesiÜroloji Ana Bilim Dalı
DOÇ. DR. AKİF ERBİN
DOÇ. DR. AYTÜL HANDE YARDIMCI
- Görüntü işleme teknolojisi kullanılarak yüksek çözünürlüklü kamera görüntülerinden 3 boyutlu yazıcılarda anomali tespiti
Anomaly detection in 3D printers using image processing technology on high-resolution camera images
UTKU ATAMAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURCU YILMAZEL
- Otonom araçların şerit algılama sistemlerinde YOLO mimarilerinin (v9, v11, v12, v26) semantik segmentasyon performanslarının karşılaştırmalı değerlendirilmesi
Comparative evaluation of the semantic segmentation performance of YOLO architectures (v9, v11, v12, v26) in lane detection systems of autonomous vehicles
ZEYNEP KUBİLAY YUNSO
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI CEDİMOĞLU
- Avrupa levreğinin makine öğrenimi ve bilgisayarlı görme tekniği kullanılarak otomatik biyokütle tahmini
Automatic biomass estimation of European sea bass using machine learning and computer vision technique
MERVE BÜŞRA AYIK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL FATMA TÜRKER
- Effect of expanding bounding box annotations on small object detection performance in aerial imagery
Sınırlayıcı kutu etiketlerinin büyütülmesinin havadan çekilen görüntülerde küçük nesne tespiti performansına etkisi
MUSTAFA UĞUR
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL