Geri Dön

Image generation with convolutional neural networks

Kavramsal sinir ağları ile görüntü üretimi

PDF İndir

  1. Tez No: 848810
  2. Yazar: HAITHAM SABAH HUSIN ALOBAIDI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez, işbirlikçi bir şekilde çalışan çift evrişimli sinir ağı (CNN) çerçevesini kullanan yenilikçi bir görüntü oluşturma tekniğini tanıtmaktadır. Bir CNN, bir görüntü veri kümesinden ayırt edici özelliklerin çıkarılmasında uzmanlaşırken, diğeri, bu çıkarılan özelliklere dayalı olarak tamamen yeni görüntüler üretmeye adanmıştır. Ortaya çıkan görüntüler, herhangi bir veri kümesi orijinalinden farklı olarak, giriş veri kümesinin temel özelliklerini korur. Yaklaşımımızın etkinliğini doğrulamak için biri insan yüz görüntülerini içeren, diğeri ise çeşitli hayvan türlerini kapsayan iki farklı veri kümesi kullanıyoruz. Yöntemimiz doğruluk, F1 puanı, geri çağırma, tepe sinyal-gürültü oranı (PSNR) ve ortalama karesel hata (MSE) açısından çağdaş teknikleri geride bırakıyor. Ayrıca, önerilen çift hatlı CNN metodolojisinin artılarını ve eksilerini titizlikle değerlendirerek, görüntü oluşturma ve CNN'ler alanlarındaki ilgili literatürün kapsamlı bir incelemesini gerçekleştiriyoruz. Bulgularımız, yaklaşımımızın, bilgisayarla görme, grafik ve veri artırma gibi çeşitli alanlardaki potansiyel uygulamalarla yüksek kaliteli, benzersiz görüntüler üretmeye yönelik bir alternatif olarak umut vaat ettiğini gösteriyor. Gelecekteki araştırma çabaları, yöntemin verimliliğini optimize etmeye, farklı alanlarda uygulanabilirliğini genişletmeye ve ek değerlendirme ölçütlerini keşfetmeye öncelik verecektir.

Özet (Çeviri)

This thesis introduces an innovative image generation technique employing a dual convolutional neural network (CNN) framework, which operates in a collaborative manner. One CNN specializes in extracting distinctive features from an image dataset, while the other is dedicated to generating entirely novel images based on these extracted features. The resulting images, distinct from any dataset originals, maintain the essential characteristics of the input dataset. To validate the efficacy of our approach, we employ two diverse datasets, one containing human facial images and the other encompassing a variety of animal species. Our method surpasses contemporary techniques in terms of accuracy, F1 score, recall, peak signal-to-noise ratio (PSNR), and mean squared error (MSE). Furthermore, we conduct an exhaustive review of related literature in the domains of image generation and CNNs, meticulously evaluating the pros and cons of the proposed dual-pipeline CNN methodology. Our findings suggest that our approach holds promise as an alternative for generating high-quality, unique images, with potential applications in diverse fields such as computer vision, graphics, and data augmentation. Future research endeavors will prioritize optimizing the method's efficiency, broadening its applicability across different domains, and exploring additional evaluation metrics.

Benzer Tezler

  1. Tez No

    518804

    Hiperspektral ve LİDAR verilerinin öznitelik ve karar seviyelerinde tümleştirilmesi ve derin evrişimli sinir ağlarıyla sınıflandırılması

    Fusion of Hyperspectral and LIDAR datasets with feature and decision based methods and classification with deep convolutional neural networks

    MESUT SALMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. SENİHA ESEN YÜKSEL

  2. Tez No

    724182

    Konvolüsyonel sinir ağlarında ağ eğitiminin iyileştirilmesi

    Improving the network training in convolutional neural networks

    KÜBRA UYAR

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAKİR TAŞDEMİR

  3. Tez No

    796720

    Deep learning-based object recognition from RGB images using convolutional neural networks

    Başlık çevirisi yok

    MOHAMMED ZAKI HAMEED ALTAMEEMI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MESUT ÇEVİK

  4. Tez No

    770074

    Data-driven design and analysis of next generation mobile networks for anomaly detection and signal classification with fast, robust and light machine learning

    Hızlı, Sağlam ve Hafif Makine Öğrenmesi ile Anormallik Algılaması ve Sinyal Sınıflandırması için Yeni Nesil Mobil Ağların Veriye Dayalı Tasarımı ve Analizi

    MUHAMMED FURKAN KUCUK

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiUnıversıty Of South Florıda

    Haberleşme Ana Bilim Dalı

    DOÇ. DR. İSMAİL UYSAL

  5. Tez No

    737853

    Derin öğrenme tabanlı görüntü gürültü giderme için yoğun bağlantı kullanan yeni yaklaşımlar

    Densely connected structures in deep learning based image denoising

    VEDAT ACAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

Geri Dön