Termal görüntüler için geliştirilmiş derin öğrenme tabanlı nesne tespit yöntemi
A deep learning – based object detection method developed for thermal images
- Tez No: 997705
- Danışmanlar: DOÇ. DR. ALİ FURKAN KAMANLI
- Tez Türü: Yüksek Lisans
- Konular: Savunma ve Savunma Teknolojileri, Elektrik ve Elektronik Mühendisliği, Defense and Defense Technologies, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sakarya Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Termal görüntüleme, düşük görüş koşullarında algı veya tespit için etkili bir modalite sunar; ancak sınırlı doku ipuçları ve zayıf hedef–arka plan kontrastı, özellikle küçük veya uzak hedeflerde ayrıştırmayı güçleştirir. Bu nedenle, mevcut veri kapsamının sınırlılığı ve termal görüntüye özgü zorluklar, genellenebilir bir çözüm için derin öğrenme tabanlı bir tespit sistemine ihtiyaç doğurmaktadır. Bu tez çalışmasında, YOLOv8s tabanlı YOLOv8-PSA-DWR modeli iki odaklı mimari düzenleme ile sunulmaktadır: (i) boyun (neck) bölümüne Piramitsel Sıkıştırma Dikkati (PSA) entegre edilerek çok ölçekli özelliklerin uyarlamalı biçimde yeniden ağırlıklandırılması ve (ii) standart C2f bloğunun C2f-DWR ile değiştirilerek dilasyonlu artık (residual) blok üzerinden bağlamsal modelleme kapasitesinin artırılması. PSA, farklı alıcı alanlarına sahip paralel dallardan elde edilen özellikleri birleştirerek ölçek duyarlı temsili güçlendirirken, kanal/ölçek ağırlıklandırmasıyla termal sahnelerde ayırt edici sinyallerin vurgulanmasını hedefler. Böylece, düşük kontrast altında kaybolabilen küçük hedef ipuçlarının ağ içinde daha görünür hale gelmesi ve yanlış baskın arka plan aktivasyonlarının azaltılması amaçlanır. C2f-DWR ise genişleyen etkin alıcı alan sayesinde özellikle zayıf kenar ipuçlarına sahip hedeflerde çevresel bağlamın daha iyi modellenmesini hedefler; bu bağlam, yoğun sahnelerde birbirine yakın hedeflerin ayrışmasına ve kısmi örtüşme durumlarında daha kararlı özellik çıkarımına katkı sağlayabilir. Önerilen yaklaşım, FLIR ADAS Termal veri kümesinde (person [insan] , bicycle/motor [bisiklet/motor], car [araba]) gerçekleştirilen deneylerde temel modele kıyasla hem genel doğruluk metriklerinde hem de tespit dengesi açısından tutarlı iyileşmeler üretmiştir. Sonuçlar, özellikle IoU=0,5 eşiğinde Ortalama Ortalama Kesinlik (mAP@0,5) ve IoU 0,50–0,95 aralığında ortalanmış Ortalama Ortalama Kesinlik (mAP@0,5:0,95) metriklerinde anlamlı artış sağlandığını; buna karşılık hesaplama maliyetinin sınırlı ölçüde yükseldiğini göstermektedir. Ablasyon analizleri, PSA'nın ağırlıklı olarak geri çağırımı artırarak hedef kapsamasını iyileştirdiğini, C2f-DWR'nin tek başına etkisinin daha sınırlı kaldığını; ancak PSA ile birlikte kullanıldığında en dengeli toplam kazanımların elde edildiğini ortaya koymaktadır. Sınıf bazında en belirgin gelişim bicycle/motor kategorisinde gözlenmiş; person ve car sınıflarında ise rekabetçi performans korunmuştur. Sonuç olarak, önerilen mimari düzenlemeler, küçük bir ek hesaplama maliyeti karşılığında tutarlı doğruluk kazanımları sağlayarak otonom sürüş senaryolarında gerçek zamanlı termal algılama için uygulanabilir bir çözüm sunmaktadır.
Özet (Çeviri)
Thermal imaging provides an effective modality for perception or detection under low-visibility conditions; however, limited texture cues and weak target–background contrast make discrimination challenging, particularly for small or distant targets. Accordingly, the limited coverage of existing data and the challenges inherent to thermal imagery necessitate a deep learning–based detection system to achieve a more generalizable solution. In this thesis, we propose a YOLOv8s-based model, YOLOv8-PSA-DWR, through two targeted architectural modifications: (i) integrating PSA into the neck to adaptively re-weight multi-scale features, and (ii) replacing the standard C2f block with C2f-DWR to enhance contextual modeling capacity via a dilated residual block. PSA combines features from parallel branches with different receptive fields to strengthen scale-sensitive representations and aims to emphasize discriminative signals in thermal scenes through channel/scale re-weighting. This design seeks to make small-target cues—often suppressed under low contrast—more salient within the network while reducing spurious dominant background activations. C2f-DWR, enabled by an expanded effective receptive field, aims to better model surrounding context for targets with weak edge cues; such context can contribute to separating closely spaced targets in crowded scenes and to more stable feature extraction under partial occlusions. The proposed approach was evaluated on the FLIR ADAS Thermal dataset with three classes (person, bicycle/motor, and car), where it produced consistent improvements over the baseline in both overall accuracy metrics and detection balance. The results indicate meaningful gains in [email protected] and [email protected]:0.5:0.95, while the computational cost increased only marginally. Ablation studies show that PSA primarily improves target coverage by increasing recall, whereas the standalone effect of C2f-DWR is more limited; nevertheless, the combination of PSA and C2f-DWR yields the most balanced overall gains. At the class level, the most pronounced improvement is observed for bicycle/motor, while competitive performance is maintained for person and car. Overall, the proposed architectural modifications provide consistent accuracy gains at a small additional computational cost, offering a practical solution for real-time thermal perception in autonomous driving scenarios.
Benzer Tezler
- New deep learning based approaches for land cover classificationin satellite images
Uydu görüntülerinde arazi örtüsü sınıflandırması için yeni derin öğrenme tabanlı yaklaşımlar
BAHAA AWAD
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Sınırlı veri setiyle sınıflama uygulamalarına yeni bir yaklaşım
A new approach to classification applications with limited dataset
SAİM ERVURAL
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT CEYLAN
- Hassas güdümlü ateşli silahların grup halinde kullanımlarında taktiksel etkinliklerinin artırılması
Increasing the tactical effectiveness of precision-guided firearms in group usage
RIDVAN SAFA HATİPOĞLU
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT CEYLAN
- Rüzgar türbini kanatlarında hasar tespiti: Yolo tabanlı derin öğrenme yaklaşımları
Damage detection in wind turbine blades: Yolo-based deep learning approaches
TUĞÇE NUR KARADENİZ
Yüksek Lisans
Türkçe
2026
EnerjiFırat ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. SAMİ EKİCİ
- Aircraft detection using deep learning
Derin öğrenme kullanarak hava aracı tespiti
UTKU MUTLU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR