A multi-instance based learning system for scene recognition
Sahne tanıma problemi̇ i̇çi̇n çoklu örnek tabanlı öğrenme si̇stemi̇
- Tez No: 415218
- Danışmanlar: YRD. DOÇ. DR. NAZLI İKİZLER CİNBİŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sahne tanıma problemi, bilgisayarlı görünün sıklıkla çalışılan alanlarından biridir. Bu problemin amacı, gözlenen bir resmin çekildiği ortama ait etiketin bulunmasıdır. Resmin içerisindeki genel mekansal düzenlemeler, nesnelerin gözlenmesi ve bunların konumları gibi çeşitli görsel ipuçları bir sahnenin kategorize edilmesine yardımcı olabilir. Ayrıca, birbirine çok benzeyen sahneler fotoğraflanmaları sırasındaki bakış açılarına göre görsel olarak çeşitlilik gösterebilirler. Bu tip yerleşim değişikliklerini ele almak adına, bu tezde çoklu alan seçimi tabanlı bir yaklaşım önerilmektedir. Bu amaçla, öncelikle aynı sahnenin resimlerine ait paylaşılan ve temsil edici büyük alanların elde edilmesine dair yeni bir yöntem önerilmektedir. Daha sonra bu alanlar bir çoklu örnekle öğrenme sisteminde değerlendirilmektedir. Böylelikle, sahneye ait genel yapının yakalanması amaçlanmaktadır. Ayrıca bu genel yapı, yerel yapının ayırt edici parçalar cinsinden kodlandığı yerel bir yaklaşım ile birleştirilmektedir. Ek olarak son dönemde popüler olan derin sinir ağları kullanılarak daha önce elde edilen büyük alanlar ifade edilmekte ve bu gösterim hem çoklu örnekle öğrenme sistemi ile, hem de VLAD gösterimi ile kodlanmaktadır. Hem genel ve yerel yapıdan, hem de çeşitli kodlama yöntemlerinden gelen bilgilerin birleştirilmesi amacı ile gözetimli bir sonradan birleştirme yöntemi sunulmaktadır. Birleştirmenin, farklı yöntemlere ait bilgilerin tamamlayıcı yapısını ortaya çıkardığı, sahne tanıma probleminde sıklıkla kullanılan MIT-İç mekan, 15-Sahne and UIUC-Spor veri kümeleri üzerinde yapılan deneyler ile gösterilmiştir.
Özet (Çeviri)
Scene recognition is a frequently-studied topic of computer vision. The aim in scene recognition is to predict the general environment label of a given image. Various visual elements contribute to the characterization of a scene, such as its spatial layout, the associated object instances and their positions. In addition, due to the variations in photographic arrangements, similar scenes can be photographed from quite different angles. In order to capture such intrinsic characteristics, in this thesis, we introduce a multi-region classification approach for scene recognition. For this purpose, we first introduce a novel way of extracting large image regions, which are expected to be representative and possibly shared among the images of a scene. We utilize these candidate image regions within a multiple instance learning framework. In this way, we aim to capture the global structure of a given scene. This global representation is then combined with a local representation, where local structures are encoded using a discriminative parts approach. Furthermore, we use recently popular deep network structures to represent our large regions and encode these via both multiple instance learning and VLAD representation. In order to merge information from both global and local characteristics and also from different encodings, a supervised late fusion method is performed and shown to capture complementary information in the experiments performed on commonly used scene recognition datasets MIT-Indoor, 15-Scenes and UIUC-Sports.
Benzer Tezler
- Semantic segmentation of historic dome systems considering part-whole relations
Tarihi kubbe sistemlerinin parça bütün ilişkileri gözetilerek anlamsal bölütlenmesi
MUSTAFA CEM GÜNEŞ
Yüksek Lisans
İngilizce
2022
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. MİNE ÖZKAR KABAKÇIOĞLU
- Hybrıd explaınable model for class-ımbalance mıtagatıon and multı-protocol attack detectıon ın ıomt devıces
Hybrid explainable model for class-imbalance mitagation and multi-protocol attack detection in iomt devices
ABUALQASIM KHALIL ISMAEL ISMAEL
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ROA'A ALI ABDULLAH MOHAMMEDQASEM
- Yüksek çözünürlüklü görüntülerde derin öğrenme tabanlı nesne tespiti için yeni bir önişleme yöntemi geliştirilmesi
Development of a new preprocessing method for deep learning based object detection in high resolution images
MUHAMMED TELÇEKEN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
PROF. DR. SEZGİN KAÇAR
- Cyber securıty system for sdn envıronment to detect the dıfferent attacks by utılızed hybrıd method of deep learnıng technıques
Derin öğrenme tekniklerinin hibrit yöntemini kullanarak farklı saldırıları tespit etmek için SDN ortamına yönelik siber güvenlik sistemi
ALI TARIQ KALIL AL KHAYYAT
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Çok amaçlı optimizasyon problemlerinin çözümünde Pareto tabanlı yeni yaklaşımlar
New approaches on Pareto based for solving multi-objective optimization problems
MUSTAFA ALTIOK
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MESUT GÜNDÜZ