A simple resource-aware approach to sketch recognizers via style identification
Stil tanıma yoluyla zamandan kazanımlı çizim tanıma sistemleri geliştirme
- Tez No: 332211
- Danışmanlar: YRD. DOÇ. DR. TEVFİK METİN SEZGİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çizim insanlar ın do ğal ileti şim ara çları ndan biridir. Kalem temelli cihazları n son zamanlardaki artı şı ile birlikte, insan-bilgisayar etkile şimi alanı nda çizim aray üzleri ve çizim tan ıma sistemlerine olan ilgi b üy üyen bir e ğilim g östermektedir. Çizim tan ıma sistemlerine yönelik g üncel yakla şı mlar, çizimlerin tan ınma oranlar ını artı rmak ad ına makine öğrenimi teknolojilerini fazlaca kullanmaktad ırlar. Makine öğreniminde sistem var olan örneklerin üzerinden bir o ğrenim yapabilmektedir. Her ne kadar bu örneklerin sayı sı nı n fazla olması çizim tanı ma sisteminin tan ıma performans ı i cin önemli bir ko şul olsa da, makine öğrenim teknolojilerinin pratik kullanı mı hususunda baz ı konular dikkat çekmeye ba şlamı şt ır. Çizim tanı ma sistemlerinin geli şimini aksatan konulardan biri de a şırı veri i şleme sorunudur. Bir çizim tanı ma sisteminin g özetimli ö ğrenimi s ırası nda, e ğer sistem b üy ük bir veri grubu kullanarak e ğitilmeye çalı şı lı rsa, bu durum uzun öğrenme zamanı na ve sı nıfland ırma performans ı d ü ş ük olan hantal bir sistem modeline neden olur. Bu çalı şmada biz pratik, basit, uygulaması kolay ve herhangi bir çizim tanı ma sistemiyle ilgilenen ki şinin e ğitim veri setini daha ufak stil grupları na b öl ümlendirmesi ve bir kullanı cı nı n çizim stilinin tayin edilmesi i cin ba şvurabilece ği bir y öntem ama çlanmaktadı r. Bizim y öntemimiz belirli insanları n çizim stillerinin birbirine benzedi ği g özleminden faydalanarak, stilleri birbirine benzeyen k üçük insan toplulukları i çin modeller üretip bu sayede bir taraftan öğrenme ve s ınıfl and ırma zamanlar ında azalmaya yol a çarken, di ğer taraftan çizim tanı ma oranları nda önemli bir d ü ş ü ş ya şamamayı ama çlamaktad ır. Genel olarak sistemimiz iki temel k ıs ımdan olu şmaktadır. İlk k ısı mda, insanlar ın çizim stil farklı lı klar ından faydalana larak var olan t üm e ğitim veri setinin daha k üç ük stil grupları na b öl ümlenmesi ama çlanı rken, ikinci k ıs ımda, sisteme yeni gelen bir kullanı cı nı n stilinin belirlenip ilk k ıs ımda üretilen stil grupları ndan hangisine ait oldu ğunun tayin edilmesi ama çlanmı ştı r.
Özet (Çeviri)
Sketching is one of the natural mode of communication among humans. With the recent increase in the availability of pen-based devices, a growing trend towards sketch-based interfaces and sketch recognition systems have emerged in Human Computer Interaction. Modern approaches to sketch recognition make heavy use of machine learning technology to maximize recognition accuracies by learning from examples. Although having more training examples is key to the performance of any sketch recognition framework, certain aspects related to the practical use of machine learning technology have surfaced as real issues that need attention. One of these practical issues that hinders the development and deployment of sketch recognition systems is the excessive computational resources.During supervised learning of a sketch recognition system, if a large training dataset is used to train a system model, it costs more training time and results in a bulky model with poor classi cation performance. In this thesis, we propose a practical, simple, and easy to implement method that sketch recognition practitioners can resort to for partitioning their training data by based on sketching styles of users. Our method leverages the observation that certain groups of people have similar sketching styles, and generating models for smaller groups of people with similar styles reduces training and classi cation times without a signi - cant sacri ce in recognition accuracies.Our overall system is consisted of two main parts such that in the rst part, we partition the all available training data into style sub-groups and in the next part, we designed a system to identify sketching style of an incoming user to assign the user into one of the style groups generated in the rst part. We demonstrate the utility of our approach with empirical results obtained from databases of various sizes and characteristics.
Benzer Tezler
- Bina yapımında simülasyon yaklaşımıyla maliyet tahmini
Cost estimating with simulation approach in building construction
NİLÜFER YAYLAGÜL
Yüksek Lisans
Türkçe
1994
Mimarlıkİstanbul Teknik ÜniversitesiBina Yapım Yönetimi Bilim Dalı
PROF. DR. HEYECAN GİRİTLİ
- Novel interference and spectrum aware routing techniques for cognitive radio ad hoc networks
Tasarsız bilişsel radyo ağları için girişim ve spektruma dayalı özgün yönlendirme teknikleri
AHMET ÇAĞATAY TALAY
Doktora
İngilizce
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. DENİZ TURGAY ALTILAR
- A software defined network framework in 5G wireless systems
5G kablosuz sistemlerde yazılım temelli ağ iskeleti
GÖKHAN SEÇİNTİ
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BERK CANBERK
- Le Transition de la Realitat a Wirklichkeit dans la philosophie de Hegel
Hegel felsefesinde gerçeklik kavramı ?realitat?dan ?wirklichkeit?a geçiş
ÖZNUR KARAKAŞ
Yüksek Lisans
Fransızca
2012
FelsefeGalatasaray ÜniversitesiFelsefe Ana Bilim Dalı
PROF. DR. ZEYNEP DİREK
- Performans yönetimi için dinamik bir stratejik kontrol modeli
A Dynamic strategic control model for performance management
SEÇKİN POLAT
Doktora
Türkçe
1992
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. MEHMET HALUK ERKUT