Hardware ımplementatıon of 3D data processıng usıng deep neural networks
Derin öğrenme algoritmaları ile 3 boyutlu veri işleme ve donanım gerçeklemesi
- Tez No: 951143
- Danışmanlar: DR. ÖĞR. ÜYESİ İSMAİL FAİK BAŞKAYA
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Yapay zeka, Artificial intelligence
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son on yılda, yapay zeka teknolojilerinin hızla gelişmesi, derin sinir ağlarının birçok veri işleme görevinin ayrılmaz bir parçası haline gelmesine yol açmıştır. Derin sinir ağları, belirli fonksiyonlar ile oluşturulmuş özelliklere dayanan matematiksel modelleme yöntemleri yerine, verilerin yorumlanmasını veriden doğrudan ve otomatik olarak öğrenerek, klasik modellere göre çok daha yüksek performans göstermiş ve bu sayede veri işleme alanını büyük ölçüde etkilemiştir. En büyük ilerlemelerin kaydedildiği alanlardan biri, bilgisayarlı görü alanı olmuştur. Bunun en büyük sebebi görsel verinin karmaşık yapısı ve klasik yöntemlerle işlenmesinin zor olmasıdır. 2 boyutlu görüntü işlemenin yanı sıra, derin sinir ağları otonom sürüş, robotik ve sanal gerçeklik gibi uygulamalar için kritik olan 3 boyutlu veri işlemede de etkili olduğunu kanıtlamıştır. Bu uygulamaların başarısı, değişken ortamlardaki nesnelerin doğru bir şekilde algılanması ve uzamsal ilişkilerin anlaşılması ile mümkündür. Bu çalışmada, özellikle LiDAR sensörleri tarafından üretilen nokta bulutu verileri olmak üzere, 3 boyutlu veri işleme için geliştirilmiş derin sinir ağlarını inceledik. Nokta bulutu işlerken karşılaşılan düzensiz yapı ve yüksek boyutluluk gibi zorluklara da değindik. Bu sorunların üstesinden gelmek için, derinlik tahmini sorununa odaklanarak 2 boyutlu görüntü verileri üzerinden 3 boyutlu sahne anlama yöntemlerini araştırdık. Bununla birlikte, üretilen modellerin kullanılacağı uç cihazların güç ve gecikme süresi gibi kısıtlarını göz önünde bulundurarak, tasarladığımız sinir ağlarının donanımda etkili bir şekilde uygulanması ve hızlandırılması için kullanabileceğimiz yöntemleri araştırdık.
Özet (Çeviri)
Over the past decade, the rapid development of artificial intelligence technologies has led to deep neural networks becoming an integral part of many data processing tasks across various domains. DNNs have transformed the data processing field by automatically learning representations and features directly from the data, outperforming traditional methods, which are based on mathematical modeling with hand-crafted features. One of the areas that have seen the most significant advancements in computer vision since vision data is complex and hard to process with classical hand-crafted methods. In addition to 2D image processing, deep neural networks have proven effective for 3D data processing, which is critical for applications such as autonomous driving, robotics, and virtual reality, which rely on accurate 3D perception to understand spatial relationships and object detection in dynamic environments. In this work, we studied deep neural networks for 3D data processing, especially for point cloud data generated by LiDAR sensors. We also addressed the challenges of point cloud processing, such as irregular structure and high dimensionality. To overcome these issues, we explored 3D scene understanding through 2D image data, specifically tackling the depth estimation and semantic segmentation problems. We also explored fusion methods to effectively leverage the information coming from different modalities. Furthermore, recognizing edge devices' power and latency constraints, we investigated effective hardware implementation and acceleration techniques for designed neural networks.
Benzer Tezler
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Benek gürültüsü gidermeye dayalı veri artırma ile derin ağlarda radar hedef sınıflandırma
Despeckling based data augmentation approach in deep learning based radar target classification
ŞAKİR HÜDAİ MERT CEYLAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Gösterge üzerinde harf, rakam, şekil üretimi için dijital hafızaların mikrobilgisayar yardımıyla organizasyonu
Başlık çevirisi yok
ÖMER ADIŞEN
Yüksek Lisans
Türkçe
1985
Elektrik ve Elektronik MühendisliğiUludağ ÜniversitesiElektronik Ana Bilim Dalı
PROF. DR. ERGÜR TÜTÜNCÜOĞLU
- A Speaker-dependent isolated speech recognition system for the hero-I robot
Başlık çevirisi yok
MELTEM CELASUN
Yüksek Lisans
İngilizce
1987
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiDOÇ. DR. MÜREN GÖKERİ
- Development, design and realization of a television transposer test unit employing microprocessor for remote measurement and testing
Başlık çevirisi yok
HASAN HÜSEYİN TEZCAN
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiPROF. DR. HALİL BENGİ