Yazar
Menteş, Sami
Basım Tarihi
2023-02-15T07:00:19Z
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Kayıt Numarası
6371a372-e9be-4f66-8614-eb9821fc670a
Lokasyon
Bilgisayar Bilimleri Bölümü
Tarih
2023-02-15T07:00:19Z
Örnek Metin
Monoküler Derinlik Tahmini (MDE), endüstriyle ilgili birçok ilerleme için temel bir bilgisayarlı görme uygulama alanıdır. Dağıtım ihtiyaçları nedeniyle derinlik tahmin algoritmasının çıkarım süresi de diğer doğruluk ölçümleri arasında çok önemli bir rol oynar. Diğer zaman kısıtlamalı bilgisayarlı görme görevlerinde Evrişimli Sinir Ağlarında (CNN'ler) yaşanan son gelişmelerle birlikte, birçok etkili özellik çıkarıcı incelenmiş ve MDE modellerinden omurga olarak benimsenmiştir. Bu özellik çıkarıcılar üretimde önemli bir gelişme göstermiş olsa da, Gerçek Zamanlı MDE modelleri tarafından kullanılan yaygın olarak kullanılan kodlayıcı-kod çözücü mimarisi, üst örnekleme için bir kod çözücü ağına da dayanır. Benzer bir yaklaşım izlenerek, çok kanallı evrişimli katmanların bir kod çözücü üzerinde istiflenmesi, çıkarım süresini engeller. Bu çalışma, Gerçek Zamanlı MDE görevlerinde İkili Ağların faydalarını araştırmaktadır. Araştırmamız sırasında öncelikle MDE problemi için yakın zamanda tanıtılan gerçek zamanlı segmentasyon modelinin (STDC-Seg) yapısını değiştiriyoruz. Gerçek zamanlı çıkarım hızına ulaştıktan sonra, tahmin doğruluğunu artırmak için modelin omurga yapısını ve dikkat modüllerini MDE'nin ihtiyaçlarına göre uyarlıyoruz. Son olarak, modelleri iyi bilinen KITTI veri seti üzerinde eğitiyoruz ve sonuçlarımızı önceki gerçek zamanlı modellerin yanı sıra KITTI Eigen Split MDE Benchmark modelleriyle karşılaştırıyoruz. Deneysel sonuçlarımız, gerçek zamanlı yöntemimizin herhangi bir zaman kısıtlamasına tabi olmayan son teknoloji modellerle eşit metrik performansa ulaştığını göstermektedir., Monoküler Derinlik Tahmini (MDT), endüstri ile ilgili birçok gelişme için önemli bir bilgisayarlı görüş uygulama alanıdır. Kullanım özellikleri nedeniyle, derinlik tahmin geliştirmesinin çıkarım süresi de diğer doğruluk göstergeleri ile birlikte çok önemli bir rol oynar. Evrişimsel Sinir Ağlarının (ESA) diğer zaman kısıtlamalı bilgisayar görme görevlerinde kullanımındaki son gelişmelerle birlikte, birçok kodlayıcı incelendi ve MDT modellerinde omurga olarak bulunur. Bu kodlayıcıların veriminde büyük bir gelişme göstermiş olsa da, gerçek zamanlı modeller tarafından kullanılan popüler kodlayıcı-kod çözme yapılarının parçaları yükseltilebilmek için bir kod çözücüye dayanıklı. Benzer bir yaklaşma izliyor, çok kanallı evrimli katmanları bir kod çözücü üzerinde istiflemek, programlama süresini önemli ölçüde yavaşlatır. Bu etkinlikte, Gerçek Zamanlı MDT için İkili Ağların konuşmaları araştırılıyor. Bunu başarmak için, önce MDT problemi için yakın zamanda tanıtılan bir gerçek zamanlı segmentasyon modelini (STDC-Seg) manipüle ettik. Gerçek zamanlı çıkış hızına ulaşıldığında, daha da yayılmak için omurganın sunumu ve dikkat modüllerini MDT'nin kullanımına göre uyarladık. Son olarak, KITTI modelleri veri seti üzerinde Eigen kaydına bağlı olarak eğitilmiş ve sonuçlarımızı KITTI üzerinde çalışılan modellerle ve ayrıca gerçek zamanlı modellerle karşılaştırdık. Deneysel sonuçlarımız,metodumuzun gerçek zamanlı çıkarım süresince zaman kısıtlamasına tabi olmayan son teknoloji modelleriyle yakın performansta sonuçlar elde edebildiğini göstermektedir.
