Robotik uygulamalar için oto kodlayıcı kullanılarak denetimsiz arkaplan çıkarılması
Unsupervised background extraction using autoencoders for robotic applications
- Tez No: 731427
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Görüntü işleme yöntemleri, Kapalı devre sistemi, Kodlama, Öğrenme teknikleri, Image processing methods, Closed circuit system, Coding, Learning techniques
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Robotik sistemlerde görüntü tabanlı kontrol günümüzde klasik görüntü işleme yöntemleri veya yapay zekâ teknikleri kullanılarak çözülebilmektedir. Modern yapay zekâ teknikleri ile geliştirilen görüntü tabanlı kontrol sistemleri, geliştirme maliyetini düşürmüş, tepki süresini azaltmış ve klasik yöntemlerle çözümü uygulanabilir olmayan problemlerin çözümüne yeni kapılar açmıştır. Görüntü tabanlı kontrolde görüntüdeki nesnelerin konum bilgilerini elde etme ve nesneleri sınıflandırma gibi amaçlara yönelik olarak arka plan elde etme işlemi yapılması gereklidir. Bir görüntünün arka planını elde etme işlemi, ön plan cisimlerinin özelliklerini çıkarma ve arka plan değiştirme gibi birçok problemin çözümünde kullanılmaktadır. Fakat ışığın dinamik olduğu, arka plana ait yarı hareketli cisimlerin bulunduğu veya gölgelerin değiştiği görüntülerde arka plan elde etme işlemi konusunda çalışmalar olsa bile, bu halen zorlu bir problemdir. Sözü geçen ortamlarda üretilen görüntülerin arka planlarının elde edilmesinin klasik görüntü işleme yöntemleri veya denetimli öğrenme yöntemleri kullanarak çözülmesi mümkün olsa bile hiç pratik veya verimli olmayacaktır. Bundan dolayı bu problemler genellikle büyük veri setleri ile denetimsiz yöntemler kullanılarak çözülmektedirler. Arka plan elde etmede denetimsiz yöntemlerin yaklaşımı cisimlerin görüntüler arasındaki hareketlerini değerlendirerek ön plan ve arka plan cisimlerini birbirinden ayırmaktır. Yani cisimlerin görüntüler arasındaki akışkanlıklarına göre sınıflandırmaya yönelik yöntemlerdir. Bu çalışmada kapalı devre bir robotik sistem geliştirilerek görüntüler üretilmiş ve bu görüntülerin arka planının elde edilmesi işleminin denetimsiz olarak öğrenilmesi otomatikleştirilmiştir. Elde edilen görüntülerdeki robot dışındaki cisimlerin akışkanlıkları düşük olduğundan mevcut yöntemlerin yeterli olmayacağı öngörülmüş ve yeni bir yaklaşımla bir oto kodlayıcı eğitilmesi önerilmiştir. Geliştirilen yöntem denetimsiz öğrenme için modern standartlarda başarı göstermiştir.
Özet (Çeviri)
In modern times vision-based control in robotic systems could be achieved by the means of classical image processing methods as well as artificial intelligence techniques. Vision-based control developed using modern artificial intelligence techniques are less expensive, more robust and much more feasible for some problems compared to classical methods. It's crucial to use background extraction to obtain certain information such as objects' location or class when implementing vision-based control in robotics. Background extraction is used to solve many different problems such as foreground object detection or background replacement. However, it is still a challenge to extract a background from an image or a frame which was captured in an environment with dynamic lighting, moving background objects or moving shadows even if there are some papers focusing on this topic recently. Background extraction within mentioned environments would not be practical or efficient using classical image processing approaches or supervised learning methods even if it is possible. That is why there these problems are solved using big datasets and unsupervised learning methods. Approach of unsupervised methods to this problem is to use the liquidity of the foreground between images or frames to extract the background. In this study a closed loop robotic system has been developed to generate images and a method to extract the background with unsupervised learning was developed. Due to the low liquidity of some foreground objects between images, it was foreseen that current methods would not work with our dataset and a novel approach using autoencoders in a specific way was proposed. Proposed method was demonstrated to work up to modern standards.
Benzer Tezler
- Evrimsel hesaplama tabanlı kamera kalibrasyonu
Evolutionary computing based camera calibration
MEHMET AKİF GÜNEN
Doktora
Türkçe
2021
Jeodezi ve FotogrametriErciyes ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN BEŞDOK
- Sürekli mıknatıslı baskılı devre endüvili doğrusal fırçasız doğru akım motoru tasarımı
Design of permanent magnet linear brushless direct current motor with printed curcuit armature
ÖZGÜR ÜSTÜN
Doktora
Türkçe
2000
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. R. NEJAT TUNÇAY
- Production of high performance and innovative materials based on polybenzoxazine
Polibenzoksazin esaslı yüksek performanslı ve yenilikçi malzemelerin üretilmesi
SEVİNÇ GÜLYÜZ
- Silk fibroin cryogel-based shape memory organohydrogels
İpek fibroin kriyojel bazlı şekil hafızalı organohidrojeller
YAHYA BAŞ
Yüksek Lisans
İngilizce
2022
Polimer Bilim ve Teknolojisiİstanbul Teknik ÜniversitesiPolimer Bilim ve Teknolojisi Ana Bilim Dalı
PROF. DR. OĞUZ OKAY
- Design, control and evaluation of educational devices with series elastic actuation
Uygulamalı eğitim amaçlı seri elastik eyleyici tahrikli eğitim cihazlarının tasarımı ve denetimi
ATA OTARAN
Yüksek Lisans
İngilizce
2017
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN PATOĞLU