Show simple item record

dc.contributor.advisorAmasyalı, Mehmet Fatih
dc.contributor.authorYilmaz, Bedir
dc.date.accessioned2020-12-29T09:33:05Z
dc.date.available2020-12-29T09:33:05Z
dc.date.submitted2016
dc.date.issued2018-08-06
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/383597
dc.description.abstractArama kurtarma operasyonlarında robotik otonominin sağlanması sürecinin en önemli ayaklarından biri de görme yeteneğinin robotlara kazandırılmasıdır. Çünkü resimlerin anlamlandırılması, robotların çevrelerinden edindikleri görsel verileri, görevleri dahilinde ortaya çıkarmaları gereken kararların üretiminde kullanabilmeleri açısından kilit bir rol oynamaktadır. Görev konularına ve tasarım şekillerine bağlı olarak robotlara, resimleri sınıflandırma, resimleri bölümlerine ayırma ve resimlerde olay tespiti gibi maharetler, muhtelif bilgisayarla görme algoritmaları marifetiyle kazandırılmaktadır. Kurban tanıma amacıyla tasarlanmış bir robotun en temel görevi, sensörleri aracılığıyla edindiği verileri işleyerek afet alanlarındaki insanları tespit etmektir. Böyle bir görevi yerine getirmede kullanılacak görüntü işleme algoritması seçilirken, kısıtlı iletişim esnasında sorunsuz çalışabilecek, gerçek zamanda karar üretmeye elverişli olacak ve düşük yanlış tespit oranlarına sahip bir sisteme ihtiyaçduyulacağı unutulmamalıdır. Tüm bu gereksinimlerin yanında, sistemin başarımını makul seviyede tutabilmek adına, insan vücudunun yüksek eklemli yapısının bir getirisi olarak alabileceği birçok farklı şeklin bulunduğu göz önüne alınmalıdır. Sınıf içi varyasyonun bu denli yüksek olduğu bir nesne sınıfına ait örneklerin tespit edilmesi için seçilecek algoritmalar arasında, bahsedilen diğer özellikleri de sağlayan yöntemlerin en yüksek başarıma sahip olanlarının başında Değişebilen Parça Modelleri gelmektedir [18]. Bu tez çalışmaları dahilinde, bu yöntem bir otonom arama kurtarma robotu sistemine adapte edilmiş ve bu modellerin daha yüksek başarıma ulaşmasına olanak sağlayacak veri artırım yöntemleri Değişebilen Parçalı Modellerin eğitiminde başarıyla uygulanmıştır.Anahtar Kelimeler: Değişebilen Parçalı Modeller, Bilgisayarla Görme, Afetzede Tespiti, Kurban Tanıma, Arama Kurtarma, Veri Kümelerinin Yapay Yöntemlerle Genişletilmesi
dc.description.abstractOne of the most important processes in acquiring robotic autonomy in search and rescue operations is to bring the `ability of vision` to robots. Because, `image understanding` plays a critical role for using the image data in order to make decisions as a part of their ongoing missions. Depending on the tasks that have been given to the robots, skills like image classification, image segmentation and action classification from images etc. are provided to the robots via different computer vision algorithms. The main task of a robot that has been designed with the goal of victim detection is to determine the presence of a human being by using sensory information that has been gathered from its surroundings. When selecting the image processing algorithm that fits best for this mission it must be kept in mind that a system that can operate smoothly in a limited communication environment and can produce decisions on real time and has low false positive rates. Alongside all of these requierements, it should betaken in to consideration that human body can get in a high variety of shapes as a result of its highly articulated nature. Between the algorithms that are candidates for detecting such examples that belong to a kind of object class that has this much intra-class variance and have aforementioned features, Deformable Part Models is the one with highest detection performance. In the scope of the work that has been done for this thesis, Deformable Part Models has been implemented on an autonomous robotic search and rescue system and some artificial dataset augmentation techniques that enable better performing models have been applied.Keywords: Deformable Part Models, Artificial Dataset Augmentation, Human Victim Detection, Search and Rescue, Computer Visionen_US
dc.languageTurkish
dc.language.isotr
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontroltr_TR
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleİnsan tespitinde yapay veri artırımı
dc.title.alternativeArtificial dataset enlargement in human detection
dc.typemasterThesis
dc.date.updated2018-08-06
dc.contributor.departmentBilgisayar Mühendisliği Anabilim Dalı
dc.subject.ytmComputer vision
dc.identifier.yokid10109111
dc.publisher.instituteFen Bilimleri Enstitüsü
dc.publisher.universityYILDIZ TEKNİK ÜNİVERSİTESİ
dc.identifier.thesisid432026
dc.description.pages74
dc.publisher.disciplineDiğer


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess