Prior knowledge guided weakly supervised object detection and semantic segmentation

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: FATİH BALTACI

Danışman: Ramazan Gökberk Cinbiş

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bilgisayarlı görü alanındaki en gelişmiş tanıma modelleri, etiketli eğitim verileri kullanılarak eğitilmektedir. Görüntülerde el ile etiketleme yapmak genellikle zaman alan ve zorlu bir işlemdir. Etiketleme süresi ve zorluğu da bilgisayarlı görü görevlerine göre değişir. Örneğin, nesne tespit problemi, özellikle karmaşık sahnelerde etiketlemesi zor olabilen sınırlayıcı kutu etiketleri gerektirir. Anlamsal bölütleme ise, tanımı gereği büyük miktarda çaba gerektiren piksel düzeyinde etiketler gerektirmektedir. Tipik olarak nesne algılama ve anlamsal bölütleme için çalışılan zayıf denetimli öğrenme yöntemleri, bu tür ayrıntılı etiketlerden kaçınmayı ve bunun yerine nesne kategorilerinin varlığını veya yokluğunu gösteren görüntü düzeyinde etiketleri kullanmayı amaçlar. Bununla birlikte, mevcut sonuçlar, zayıf denetimli öğrenme yöntemlerinin, tam denetimli öğrenme yöntemlerine kıyasla önemli ölçüde düşük performans gösterme eğiliminde olduğunu göstermektedir. Bu tezde, zayıf denetimli ve tam denetimli yaklaşımlar arasındaki performans farkını azaltmaya yönelik olarak zayıf denetimli eğitimde nesne kategorileri hakkında anlamsal ön bilgilerden yararlanmayı amaçlamaktayız. Öznitelikler veya dil tabanlı nesne kategorileri için anlamsal ön bilgileri, mevcut zayıf denetimli nesne algılama ve anlamsal bölütleme eğitim yaklaşımlarına dahil etmekteyiz. Deneysel sonuçlarımız, önerilen yöntemin, standart veri kümelerinde çeşitli durumlarda tanıma performansını açıkça iyileştirebileceğini göstermektedir.