Derin ağ tabanlı iyileştirilmiş stereo eşleştirme
Enhanced stereo matching based on deep networks
- Tez No: 761004
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT PEKER
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Derin öğrenme, Evrişimli sinir ağları, Eşitsizlik, Stereo sistemler, Deep learning, Convolutional neural networks, Inequality, Stereo systems
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Niğde Ömer Halisdemir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, stereo görüntüler kullanılarak gerçek zamanlı eşitsizlik haritaları elde etmek ve eşitsizlik haritalarını düzeltmek amacıyla çeşitli derin öğrenme tabanlı ağ yapıları önerilmiştir. Tez çalışması kapsamında ilk olarak eşitsizlik haritalarının başarısını artırmaya yönelik ağ yapılarının tasrarımları gerçekleştirilmiştir. Bu çalışmalarda eşitsizlik haritalarının düzeltilmesi ve eşleşme maliyetlerinin doğruluğunun artırılması amaçlanmıştır. Sonraki çalışmalarda ise uçtan uca öğrenmeye dayalı tasarımlarla eşitsizlik haritalarının elde edilmesi amaçlanmıştır. Uçtan uca ağ yapıları ile yapılan çalışmaların ilkinde evrişim işlemlerinde kullanılan çekirdek yapılarının stereo eşleştirme problemlerine göre özelleştirilmesiyle bir ağ yapısı oluşturulmuştur. Diğer bir ağ yapısında ise baştan sona öz tasarım ile gerçekleştirilen uçtan uca öğrenme ile eşitsizlik haritası çıkarabilen bir ağ yapısı oluşturulmuştur. Bu ağ yapısında öznitelik çıkarma ve eşleşme maliyetlerinin toplanması adımları için alt ağ yapılarıda önerilmiştir. Ayrıca önerilen bu yöntemlerin tasarımında gerçek zamanlı uygulamalar için uygun çalışma sürelerinin elde edilmesi öncelikli hedef olarak belirlenmiştir. Önerilen yapıların farklı veri kümeleri üzerinde eğitim ve test işlemleri gerçekleştirilmiş olup hem nitel hemde nicel karşılaştırmalar gerçekleştirilerek başarımları değerlendirilmiştir.
Özet (Çeviri)
In this thesis, various deep learning-based network structures have been proposed to obtain real-time disparity maps using stereo images and to refine disparity maps. Firstly, the accuracy of disparity maps is increased by designing new network structures. In these designs, it is aimed to refine the disparity maps and increase the accuracy of the matching costs. In the following studies, it is aimed to obtain disparity maps with end-to-end learning-based designs. In the designed first end-to-end network structure, a network structure is created by customizing the kernel structures used in convolution operations according to stereo matching problems. In the second structure, a self-designed network structure has been designed to obtain disparity maps. Here, to extract features and aggregate matching costs, different sub-modules are proposed. In addition, the suitable run time for real-time applications is the top priority while designing these proposed methods. Training and testing processes of the proposed structures are carried out on various datasets, and their performance is evaluated by performing both qualitative and quantitative comparisons.
Benzer Tezler
- Adaptif ağ tabanlı bulanık mantık çıkarım sisteminin (ANFIS) iyileştirilmiş genetik algoritma ile eğitilmesi ve tıbbi problemlere uygulanması
Training adaptive neuro-fuzzy inference system (ANFIS) with improved genetic algorithm and application to medical problems
HİLAL HAZNEDAR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM KALINLI
- Kapsül ağlar ile derin öğrenme tabanlı çok sınıflı sperm morfoloji analizi
Deep learning based multiclass sperm morphology analysis with capsule networks
HOSSEIN MOHAMMADI
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAMZA OSMAN İLHAN
- Geri yayılımlı birlikte evrim ile iyileştirilmiş derin sinir ağları kullanılarak yol çatlak tespiti
Road crack detection using deep neural networks developed via cooperative coevolution with backpropagation
EMİRHAN MUSTAFA ANIK
Yüksek Lisans
Türkçe
2022
UlaşımBursa Uludağ Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. TURAN ARSLAN
- Geleneksel ve derin öğrenme tabanlı yöntemlerin kullanımıyla sualtı görüntülerinin iyileştirilmesi
Enhancement of underwater images using conventional and deep learning-based methods
GİZEM KIYMET SANCAKTAR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERAP KARAGÖL
- Investigating the performance of super-resolved remote sensing images on coastline segmentation with deep learning-based methods
Derin öğrenme tabanlı yöntemlerle kıyı şeridi segmentasyonunda süper çözünürlüklü uzaktan algılama görüntülerinin performansının araştırılması
İLHAN PALA
Yüksek Lisans
İngilizce
2025
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. UĞUR ALGANCI