Yazar
Makhudov, Nekruzjon
Basım Tarihi
2017-05
Konu
Bilgisayar Mühendisliği, Bilgisayar Bilimleri
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Kayıt Numarası
583633b4-efd8-45a7-b5fc-9d68d192e8b3
Lokasyon
Bilgisayar Bilimleri Bölümü
Tarih
2017-05
Örnek Metin
Nesne tespiti ve takibi onlarca yıldır üzerinde çalışılıyor ve birçok algoritma tanıtılıyor. Güvenlik kameralarının sayısının artmasıyla birlikte görüş tabanlı nesne tespiti ve takibi önemli bir görev haline geldi. Ancak yanlış alarm oranları, insan operatörün yönettiği senaryolarda hala çözülmesi gereken bir sorundur. Hassasiyet ve doğruluk arttıkça yanlış alarm oranları daha yönetilebilir hale gelir. Bu tezde, görüntülerdeki nesnelerin tek seferde tespiti ve sınıflandırılması için yeni bir sistem tanıtılmıştır. Bu amaçla Haar benzeri özellikleri kullanarak Rastgele Karar Ormanlarını (RDF) uyguladık. GPU üzerinde uygulanan RDF ve Haar benzeri özellik hesaplaması, test süresi hızlarıyla bilinir. Bu nedenle, hem hız hem de kalite açısından dengeli test süresi performansıyla bilinen bir metodoloji olan piksel düzeyinde nesne sınıflandırması için RDF'leri kullanıyoruz. Doğruluktaki artış, MNIST, INRIA ve PETS09 veri setleri üzerinde deneyler yapılarak gösterilmiştir. Gösterici bir uygulama olarak, karayolu taşıtlarının tespiti ve takibi için önerilen RDF'yi kullandık. Tespit edilen nesnelerin takibi için Parçacık Filtresi (PF) olarak da bilinen Sıralı Monte Carlo yöntemi tabanlı bir algoritma uygulanır. Doğrusal olmayan ve Gaussian olmayan süreçler için PF güçlü bir metodolojidir ve RDF'li GPU'ya uygulanması kolay ve tercih edilir. Önerilen sistem, geleneksel bilgisayarlardaki algoritmanın gerçek zamanlı hızına vurgu yapmaktadır. YOLO (Yalnızca Bir Kez Bakarsınız) ile karşılaştırıldığında, yöntemimiz geleneksel bir bilgisayarda karşılaştırılabilir araç algılama doğruluğu ve hesaplama hızı gösterir. Üstelik farklı izleme algoritmalarının uygulanıp test edilebileceği yeni bir çerçeve sunuyoruz. Farklı parametrelerle veri çıkarma, veri oluşturma, eğitim ve test algoritmaları için çeşitli modüller sağlar. Çerçevedeki modüllerin kullanımı da tartışılıyor. Bu araştırmada ayrıntılı nesne algılama ve takip problemlerinin birçok yönüyle farklı, ancak otomatik alarm üretim problemleri için başarım oranı daha yüksek izleme çalıştırmalarına halihazırda ihtiyaç duyulmaktadır. Gözetim Verim yanlış alarm vermesi, insan operatörlerine dayalı sistemlerde henüz tamamen çözülmemiş bir sorundur. Nesne tanıma başarısının artması, yanlış alarm verilen durumların yapısına neden olmaktadır. Bu tez kapsamında resimde bulunan nesneler tek-seferde saptayan ve sınıflandıran bir yöntemle geliştirilmiştir. Rastgele Karar Ormanlarının (RDF) test hızının oldukça yüksek olduğu bilinmektedir. Bu alternatif, önerilen sistem piksel düzeyinde nesne seçimi RDF dosyası ile sağlanır. Kullanılan RDF'in boyutlandırma yöntemi ile Haar benzeri öznitelikleri kullanan bir RDF geliştirilmiştir. Haar özniteliklerinin kullanan RDF'in performansını arttırdığı el yazı ile yazılan rakamlardan oluşan MNIST, INRIA ve PETS09 veritabanları içeren insan resimleri üzerinde yapılan testler ile gerçekleştirilir. Örnek bir uygulama alanı olarak, önerilen RDF araç tespiti ve takip problemi üzerinde test edilmiştir. Saptanan objeleri takip etmek için Sıralı Monte Carlo, diğer adıyla Parçacık Filtresi (PF) kuruldu. Saptama aşamasında her bir piksel için elde edilen olası değerler ile uzunluğun ağırlıkları hesaplanmıştır. PF kullanımının temel nedeni, Gauss ve çizgisel olmayan işlemler için güçlü bir genişlemenin yanı sıra RDF gibi GPU'ya uygun bir yapıya sahiptir. Önerilen takip sistemi standart bilgisayarlarda gerçek zamanlı uygulama ağırlığı sağlar. YOLO ile karşılaştırma yapıldığında, önerilen yöntem araç belirleme başarımında yakın bir performans sunarken, standart bilgisayarlarda daha yüksek bir hıza sahip olduğu gözlemlenmiştir. Önerilen ek sistemler olarak bu tez kapsamında, farklı güncellemelerin gösterilmesi ve test edilmesi için bir çerçeve oluşturulmuştur. Bu çerçeve, veri özütleme, veri oluşturma, güncelleme eğitimi ve indirimleri farklı etkile test etmek için tasarlanan modüllerden oluşur. Tez içeriğinde modüllerin kullanımı ve fonksyonları anlatılmıştır.
