An analysis of stereo depth estimation utilizing attention mechanisms, self-supervised pose estimators & temporal predictions
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRİK VE ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: İngilizce
Öğrenci: UTKU OĞUZMAN
Danışman: ABDULLAH AYDIN ALATAN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Derin öğrenmenin yakın tarihteki başarısıyla birlikte, stereo derinlik kestirme algoritmalarının gerçek dünya uygulamaları birçok araştırmacının ilgisini çekmeyi başarmıştır. Kullanıma hazır olan birçok sentetik ve gerçek dünya veri seti sayesinde, araştırmacılar fikirlerini pratik uygulamalar için analiz etmeye başlamıştır. Bu tezde benzer bir yaklaşım için dikkatli bir analiz gerçekleştirmiştir. En gelişmiş stereo derinlik algoritmaları, dikkat mekanizmalarının ve daha iyi başlatma stratejilerinin dahil edilmesiyle birlikte iyileştirilmeye çalışılmıştır. Bu amaç için, en başarılı stereo derinlik algılama ağlarından birine farklı miktarlarda dikkat modülleri eklenmiştir. Tasarlanan dikkat-tabanlı nöral ağın denetimli öğrenme yöntemiyle ve sentetik veri setleri kullanılarak eğitilmesiyle birlikte ortaya koyduğu performans baz alınan algoritmalarla karşılaştırılmıştır, daha iyi sonuçlar elde edilmiştir. Bu nöral ağların ince ayarını yapmak için küçük, etiketlenmiş ve gerçek-dünyaya ait görseller bulunduran bir veri seti kullanıldığında baz alınan algoritmanın daha iyi sonuçlar ortaya koyduğu gözlemlenmiştir. İkinci olarak, veri setinde var olan zamansal bilgilerden, nöral ağa şu anki özyinelemesini önceki tahminlerini kullarak başlatmasını öğretmek yoluyla istifade edilmeye çalışılmıştır. Son olarak, gerçek dünya uygulamaları için ve tasarlanan nöral ağın ince ayarını daha iyi yapabilmek için, bir poz kestirme ve optik akı ağı ve büyük bir etiketlenmemiş gerçek-dünya veri seti kullanılıp bir denetimsiz öğrenme ince ayar operasyonu gerçekleştirilmiştir. Genel olarak, sentetik görsellerle eğitip gerçek dünya işlerinde denenen test yapılarında ağlarımız baz alınan ağdan daha iyi performans göstermiştir. İnce ayarlar sonunda ise sonuçlar karşılaştırabilir düzeylerde kalmıştır.