A deep learning approach for non-line of sight data in optical camera communications
Optik kamera iletişimlerinde görüş hattı olmayan veriler için derin öğrenme yaklaşımı
- Tez No: 837438
- Danışmanlar: PROF. DR. YAHYA KEMAL BAYKAL, ÖĞR. GÖR. TOLGA İNAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Optik kamera iletişimi (OCC) alanında, yansımalar ve kötü aydınlatma nedeniyle, doğrusal olmayan görüş (NLOS) durumlarından veriyi doğru bir şekilde çıkarmak zordur. Bu zorlu durumu aşmak için derin öğrenme yardımıyla veri içeren görseller bit seviyesinde bölütlendi. Farklı aydınlatma ve yansımaları içeren verilerle özelleştirilmiş bir Unet-merkezli evrişimli sinir ağı eğitildi. OCC'nin zorluklarını tam anlamıyla analiz etmek için daha geniş kapsamlı akademik araştırmaların ön analizi tamamlandı. Bunun ardından, OCC alanında derin öğrenmenin üstesinden gelmesi gereken zorluklar hakkında tartışıldı. Derin öğrenme segmentasyonuyla NLOS OCC durumunda çözülen bit sayısını nasıl artıracağınıza dair literatürde yeterli bilgi olmadığı için bu çalışma gerçekleştirildi. Farklı NLOS OCC senaryolarından oluşan büyük bir veri koleksiyonu geliştirildi. Bu geniş veri koleksiyonunun dahil edilmesiyle modelin sorunları çözme ve genelleme yapma yeteneği iyileştirildi. Bulgular, bu özel durumda, derin öğrenme modelinin geleneksel eşikleme tekniğinden daha iyi performans gösterdiğini ortaya koydu.
Özet (Çeviri)
In the field of optical camera communication (OCC), extracting data accurately from non-line-of-sight (NLOS) situations is challenging due to reflections and bad lighting. To overcome this challenging situation, with the help of deep learning, images that contain data were segmented at the bit level. A customized U-Net centric convolutional neural network was trained with different data that included bad lighting and different reflections. A preliminary analysis of more extensive academic research was completed in order to fully analyze the challenges of OCC. After this, there was discussion about the difficulties that deep learning in the field of OCC had to overcome. This study was conducted since there was not sufficient knowledge in the literature on how to increase the number of bits decoded in the NLOS OCC situation with deep learning segmentation. A large data collection made up of images from different NLOS OCC scenarios was developed. The ability of the model to solve problems and make generalizations was improved with the inclusion of this large data collection. The findings demonstrated that, in this particular situation, the deep learning model performed better than the conventional thresholding technique.
Benzer Tezler
- DA4HI: A deep learning framework for facial emotion recognition in affective systems for children with hearing impairments.
DA4HI: İşitme engelli çocuklar için duyuşsal sistemlerde yüzdeki duyguların tanınması maksadıyla geliştirilen derin öğrenme modeli.
CEMAL GÜRPINAR
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
PROF. DR. NAFİZ ARICA
- Deep learning meets reconfigurable ıntelligentsurfaces: Novel system designs and solutionstoward 6G and beyond
Derin öğrenme, yeniden yapilandirilabilir akilli yüzeylerle buluşuyor: 6G ve ötesine doğru yeni sistem tasarimlari ve çözümleri
YARKIN GEVEZ
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERTUĞRUL BAŞAR
- Ses olay tespit problemine derin öğrenme tabanlı çözümler
Utilizing footstep sound event detection by using cnn techniques for assuring property security
FURKAN YUSUF YAVUZ
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
- Dağıtım şebekelerinde teknik olmayan kayıpların makine öğrenme yöntemleriyle analizi
Analysis of non-technical losses in distribution networks using machine learning methods
MAHMUT TÜRK
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HEYBET KILIÇ
- Novel deep learning based approaches for clutter removal and target detection in GPR
Ynr'de kargaşa giderme ve hedef algılama için yeni derin öğrenme tabanlı yaklaşımlar
YAVUZ EMRE KAYACAN
Doktora
İngilizce
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER