Visual semantic segmentation with diminished supervision
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRİK VE ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: İngilizce
Öğrenci: MUSTAFA ERGÜL
Danışman: Abdullah Aydın Alatan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Konvansiyonel tam öğreticili algoritmaların umut verici performansına rağmen, anlamsal bölütleme önemli ve zorlu bir görev olmaya devam etmiştir. Son çalışmalar, anlamsal bölütleme gibi yapısal çıkarsama görevleri ile başa çıkmak için görüntü tanıma problemlerinde yaygın olarak yer alan derin öğrenme tekniklerinin yeteneklerini kullanmaya çalışmıştır. Bununla birlikte, derin KSA'ları sınıflandırma gibi üst düzey görevler için ideal hale getiren değişmezlik özellikleri derin öğrenme tekniklerinin görsel tanımlama (resmetme) kapasitelerini sınırlandırmıştır. Bu sorunu çözmek için ise, bu tez kapsamında Katmanlı Sinir Ağlarının (KSA) ve olasılıksal grafiksel modelleme temelli Koşullu Rasgele Alanlarının (KRA) güçlerini birleştiren yeni bir derin sinir ağı formunu araştıracağız. Bununla birlikte, derin öğrenmeye dayanan en son teknoloji yöntemler, eğitim sırasında yeterince büyük miktarlarda etiketlenmiş verilerin kullanılmasına dayanmaktadır. Ancak, piksel seviyesinde veya süper piksel seviyesinde etiketleme işlemi zaman alıcı olduğu ve yoğun emek harcamak gerektiği için (yalnızca bir resim için 15-60 dakika), anlamsal bölütleme kapsamında yeterli sayıda etiketli veri bulunmamaktadır. Tam etiketlenmiş verilerin sınırlı kullanılabilirliğinden dolayı, anlamsal bölütleme için çok daha büyük bir ölçekte hazır bulunan zayıf etiketli verileri dikkate alarak çözümler tasarlamak büyük önem arz etmektedir. Bu tez çalışmasında, piksel bazında bir çıkarsama işlemi için, zayıf denetimin çeşitli türlerini (piksel seviyesi etiketlemenin yanı sıra görüntü seviyesi etiketleri, sınırlayıcı kutular veya kısmi etiketler vb.) bütünleştiren birleşik bir yaklaşım önermekteyiz.