Visual product recognition from retail scenes
Perakende ̇ımgelerinden görsel ürün tanınması
- Tez No: 503263
- Danışmanlar: DOÇ. DR. BURAK ACAR, DR. CEYHUN BURAK AKGÜL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Bilgisayarla görme, Görsel nesne tanıma, Görüntü tanıma, Nesne tanıma, Sayısal görüntü işleme, Örüntü tanıma, Computer vision, Visual object recognition, Image recognition, Object recognition, Digital image processing, Pattern recognition
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez projesinde perakende sahnelerinde ürünleri tanıma sorununu araştırdık. Ürünleri birbirinden ayıran sınırları tespit ederek ürünleri lokalize ettiğimiz ve öğreticiyle öğrenme yöntemlerini kullanarak ürün görsellerini tanıyabildiğimiz bir method önerdik. Yönlü Gradyan Histogramları, Yerel İkili Örüntü Histogramları ve Root Filter Set yanıt tanımlayıcı gibi çeşitli resim tanımlayıcılarını denedik. Eş zamanlı olarak, Kuadratik Sınıflandırıcı, tek kademeli karar ağaçları ile oluşturulan AdaBoost Sınıflandırıcı ve Destek Vektör Makinesi gibi çeşitli sınıflandırıcıları denedik.Bir sorgu süresi kısıtlaması altında Yönlü Gradyan Histogramları'nı tanımlayıcı olarak kullanıp bunları bir Destek Vektör Makinesi ile sınıflandırmamızın, en yüksek doğruluğu elde etmemizi sağladığını gördük. Ürün sınırı bölgelerinden ve ürün sınırı olmayan bölgelerden seyrek şekilde toplanmış tanımlayıcıların sınıflandırılmasında %88.5 doğruluk elde ettik. Bu SVM sınıflandırıcıyı kullanarak, test görsellerinde tüm olası yerler için, bir ürün sınırının var olma ihtimalini, kayan bir pencere ile hesapladık. Oluşan olasılık sinyalinde tepe detektörü kullanarak ürün sınırlarını lokalize ettik ve %75'ten yüksek bir ürün sınırı algılama kesinliği ve geri getirme yüzdesi elde ettik. Aynı yöntemi raf sınırlarını %97 kesinlik ile tespit etmek için kullandık. Elde ettiğimiz ürün imgelerini seyrek ve yoğun SIFT tanımlayıcıları ile tanımadık ve 20 sınıflık bir ürün alt kümesinde, kelime torbası yaklaşımı kullanarak %96 doğruluk elde ettik. Ceşitli tekniklerle denemeler yaptı ve yoğun SIFT tanımlayıcıları kullanmanın ve K-ortalamalı kümeleme yerine rastgele kod tablosu üretmemizin perakende ürünlerini tanıma probleminde daha iyi performans sağladığını doğruladık.
Özet (Çeviri)
In this thesis project, we explore the problem of recognizing the products in retail scenes. We proposed a method where we localize the products by detecting their separating boundaries and recognize the product images using supervised learning methods. We experimented with various image descriptors like Histogram of Oriented Gradients, Local Binary Pattern Histograms, and response features to a Root Filter Set.Concurrently we tried various classifiers like Quadratic Classifier, AdaBoost with single level decision trees and Support Vector Machines. We found out that using Histograms of Oriented Gradients as descriptors and classifying them with a Support Vector Machine enabled us to achieve the highest accuracy with a query time constraint. We achieved 88.5% accuracy at classifying a set of sparsely collected descriptors from boundary and non-boundary regions. Using the trained SVM classifier we calculated the probability of the existence of a product boundary for all possible locations with a sliding window. We localized the boundaries using probability peak detection and achieved a product boundary detection precision and recall over 75%. The same method is used to detect shelf boundaries with 97% precision. We described the product images with sparse and dense SIFT descriptors and achieved 96% accuracy using a bag of words approach on a 20 class subset of products.We experimented with various techniques and verified that using dense SIFT descriptors and random codebook generation instead of K-means based clustering yields better performance at recognizing retail products.
Benzer Tezler
- Generative adversarial networks for fine-grained retail product recognition
Üretici çekişmeli ağlar ile ayrıntılı perakende ürün tanıma
ALPEREN ÜNAL
Yüksek Lisans
İngilizce
2025
Mühendislik BilimleriYeditepe ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İPEK BAZ
- A metric learning based system for retail product recognition and novel class discovery
Metrik öğrenme tabanlı ürün tanıma ve yeni ürün keşfetme sistemi
İBRAHİM ŞAMİL YALÇINER
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Statistical methods for fine-grained retail productrecognition
İnce taneli perakende ürün tanıma sistemi için istatistikyöntemler
İPEK BAZ
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜJDAT ÇETİN
DR. ERDEM YÖRÜK
- Derin öğrenme ile içecek şişe kapağı üzerindeki görsellerden ürün tipi tanıma
Product type recognition from visuals on beverage bottle cap with deep learning
VOLKAN COŞKUN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TURHAN KARAGÜLER
- Real-time emotion recognition from EEG signals using one electrode device
Tek elektrotlu cihaz ile EEG sinyallerinden gerçek zamanlı duygu tanıma
MEHMET ALİ SARIKAYA
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÖKHAN İNCE