Görüntü işleme yöntemleri kullanılarak durağan ya da hareketli görüntülerin analizleri
gerçekleştirilebilir ve söz konusu görüntülerden anlamlı bilgiler çıkarılabilir. Tespit ve
tanıma sonrasında takip edilecek olan nesnenin değişken bir ortam içinde bulunması
zorlaştırıcı unsurlardan birisidir. Bunun gibi zorlaştırıcı unsurlarla başa çıkabilmek ve
nesne takibini başarıyla gerçekleştirebilmek için farklı yöntemler geliştirilmiştir. Son
yıllarda yapay zekâ tabanlı bileşenlerle güçlendirilen bu sistemler hem daha hızlı hem
de daha kesin hedef tespiti yapmayı sağlamaktadır. Derin öğrenme algoritmaları yapay
zekâ alanında bir devrim yaratmıştır. Derin öğrenme algoritmalarının görüntü
işlemede kullanılması oldukça başarılı sonuçlar alınmasını ve karmaşık görüntü işleme
problemlerinin kolaylıkla çözüme kavuşturulabilmesini sağlamaktadır. Bu çalışmada
derin öğrenme ile hareketli nesne tanıma ve takibi için açık kaynak kodlu görüntü
işleme kütüphanesi olan OpenCV(Open Source Computer Vision) kullanılmıştır.
Kademeli sınıflandırıcı modelleri eğitmek, test etmek ve geliştirmek için kullanılan
Cascade Trainer GUI’den yararlanarak haarcascade oluşturulmuştur. Bu kütüphaneler
ile durağan görüntüler, video görüntüleri ve webcam görüntüleri üzerinde nesne
tanıma işlemi ile çocukların çizmiş olduğu kaktüs resimlerinin tanınması
hedeflenmiştir
Eser Adı (dc.title) | Çocuk Resimlerindeki Nesnelerin Derin Öğrenme Yöntemleriyle Tespit Edilmesi |
Eser Sahibi (dc.contributor.author) | Betül GÜLTER |
Yayıncı (dc.publisher) | İzmir Katip Çelebi Üniversitesi Fen Bilimleri Enstitüsü |
Tür (dc.type) | Yüksek Lisans |
Özet (dc.description.abstract) | Görüntü işleme yöntemleri kullanılarak durağan ya da hareketli görüntülerin analizleri gerçekleştirilebilir ve söz konusu görüntülerden anlamlı bilgiler çıkarılabilir. Tespit ve tanıma sonrasında takip edilecek olan nesnenin değişken bir ortam içinde bulunması zorlaştırıcı unsurlardan birisidir. Bunun gibi zorlaştırıcı unsurlarla başa çıkabilmek ve nesne takibini başarıyla gerçekleştirebilmek için farklı yöntemler geliştirilmiştir. Son yıllarda yapay zekâ tabanlı bileşenlerle güçlendirilen bu sistemler hem daha hızlı hem de daha kesin hedef tespiti yapmayı sağlamaktadır. Derin öğrenme algoritmaları yapay zekâ alanında bir devrim yaratmıştır. Derin öğrenme algoritmalarının görüntü işlemede kullanılması oldukça başarılı sonuçlar alınmasını ve karmaşık görüntü işleme problemlerinin kolaylıkla çözüme kavuşturulabilmesini sağlamaktadır. Bu çalışmada derin öğrenme ile hareketli nesne tanıma ve takibi için açık kaynak kodlu görüntü işleme kütüphanesi olan OpenCV(Open Source Computer Vision) kullanılmıştır. Kademeli sınıflandırıcı modelleri eğitmek, test etmek ve geliştirmek için kullanılan Cascade Trainer GUI’den yararlanarak haarcascade oluşturulmuştur. Bu kütüphaneler ile durağan görüntüler, video görüntüleri ve webcam görüntüleri üzerinde nesne tanıma işlemi ile çocukların çizmiş olduğu kaktüs resimlerinin tanınması hedeflenmiştir |
Kayıt Giriş Tarihi (dc.date.accessioned) | 2023-02-27 |
Açık Erişim Tarihi (dc.date.available) | 2023-08-27 |
Yayın Tarihi (dc.date.issued) | 2023 |
Yayın Dili (dc.language.iso) | tr |
Konu Başlıkları (dc.subject) | Yapay zeka |
Konu Başlıkları (dc.subject) | Derin öğrenme |
Tek Biçim Adres (dc.identifier.uri) | https://hdl.handle.net/11469/3389 |