Streaming multiscale deep equilibrium models
Akan video için çok ölçekli derin ekilibriyum modelleri
- Tez No: 764025
- Danışmanlar: DR. ÖĞR. ÜYESİ RAMAZAN GÖKBERK CİNBİŞ, DR. ÖĞR. ÜYESİ EMRE AKBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Anlamsal bölütleme, Nesne tanıma, Video analizi, Video nesne bölütlemesi, Semantic segmentation, Object recognition, Video analytics, Video object segmentation
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda tanıma sorunlarının çözümü için çok sayıda dikkate değer gelişme olmuştur. Akan veriler üzerindeki tanıma görevleri bunlardan önemli bir tanesidir. Özellikle otonom sürüş ve robot kontrolü gibi gerçek zamanlı uygulamalar için akan veriler üzerinden verimli çıkarsama yapmak çok kritik olmaktadır. Bu amaçla, bu tezde, videolarda kare başına öznitelikleri, yapılan hesaplama miktarını en aza indirerek çıkartabilen bir yöntem olan StreamDEQi sunuyoruz. Hesaplama süresinin ağ derinliği ile en azından doğrusal olarak arttığı geleneksel yöntemlerin aksine, öznitelikleri sürekli bir şekilde güncellemeyi amaçlıyoruz. Bu amaçla, bir sabit nokta problemini çözerek bir görüntünün özniteliğini çıkaran son zamanlarda ortaya çıkan örtük katman modellerinden yararlanıyoruz. Ana anlayışımız, videoların yavaş değişen doğasından yararlanmak ve önceki karenin özniteliğini her yeni karede başlangıç noktası olarak kullanmaktır. Bu yaklaşım, son çıkarsama hesaplamalarını etkin bir şekilde geri dönüştürerek gerekli işlem süresini büyük ölçüde azaltır. Kapsamlı deneysel analizlerimiz sayesinde, StreamDEQin birkaç karelik süre içinde en iyiye yakın öznitelikler elde edebildiğini ve video süresi boyunca kare bazında güncel bir öznitelik sürdürebildiğini gösteriyoruz. Video anlamsal bölümleme ve video nesne tanıma üzerindeki deneylerimiz, StreamDEQin referans modelden (standart MDEQ) 3 kattan daha hızlı olurken, onunla benzer doğrulukta sonuç üretebildiğini göstermektedir.
Özet (Çeviri)
There have been numerous significant developments for addressing recognition problems in recent years. One important application area of such developments is recognition on streaming data. Efficient inference is typically critical for streaming data sources, especially for real-time applications such as autonomous driving and robot control. For this purpose, this thesis presents StreamDEQ, a method that infers frame-wise representations on videos with minimal per-frame computation. In contrast to conventional methods where compute time grows at least linearly with the network depth, we aim to update the representations in a continuous manner. For this purpose, we leverage the recently emerging implicit layer models, which infer the representation of an image by solving a fixed-point problem. Our main insight is to leverage the slowly changing nature of videos and use the previous frame representation as an initial condition on each frame. This scheme effectively recycles the recent inference computations and greatly reduces the needed processing time. Through extensive experimental analysis, we show that StreamDEQ is able to recover near-optimal representations in a few frames' time and maintain an up-to-date representation throughout the video duration. Our experiments on video semantic segmentation and video object detection show that StreamDEQ achieves on-par accuracy with the baseline (standard MDEQ) while being more than 3x faster.
Benzer Tezler
- Perturbation-response and noise dynamics in proteins and representation learning for biomolecular simulations
Proteinlerde pertürbasyon-tepki ve gürültü dinamiği ve biyomoleküler simülasyonlarda temsil öğrenme
YASEMİN BOZKURT VAROLGÜNEŞ
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALPER DEMİR
- Dünya'da ve Türkiye'de kimyasal, biyolojik, radyolojik, nükleer (KBRN)-toksikolojik afetlere karşı oluşturulmuş kurumsal yapılanmaların mevzuat ve uygulamalar bağlamında karşılaştırılması
Comparison of institutional structures created against chemical, biological, radiological, nuclear (CBRN)-toxicological disasters in the world and Turkey in the context of legislation and practices
BÜŞRA NUR TÜRKERİ
Yüksek Lisans
Türkçe
2022
HukukTekirdağ Namık Kemal ÜniversitesiAcil Yardım ve Afet Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAİLE ESRA SAKA
- Karma geliştirme projeleri ve programlama ilkeleri
Mixed-use development projects and their programming principles
GÖKHAN AKTAN ALTUĞ
- Mathematical models and heuristic algorithms for a multi-product lot streaming problem in a two-machine flowshop
İki makineli akış tipi atölyede çok ürünlü kafile bölme ve kaydırma problemi için matematiksel modeller ve sezgisel algoritmalar
ŞAHİKA AKDOĞAN
Yüksek Lisans
İngilizce
2017
Mühendislik BilimleriÇankaya ÜniversitesiMatematik Bilgisayar Ana Bilim Dalı
DOÇ. DR. FERDA CAN ÇETİNKAYA
- Adaptive video streaming over openflow networks with quality of service
Özgürakış ağlarda servis kaliteli uyarlanır görüntü aktarımı
HİLMİ ENES EĞİLMEZ
Yüksek Lisans
İngilizce
2012
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET MURAT TEKALP