A crowd-aware and self-supervised approach for object detection in wide area motion imagery
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ENDÜSTRİ MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: İngilizce
Öğrenci: POYRAZ UMUT HATİPOĞLU
Asıl Danışman (Eş Danışmanlı Tezler İçin): Cem Iyigün
Eş Danışman: Sinan Kalkan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Geniş Alan Hareketli Görüntülerde (WAMI) nesnelerin algılanması bir çok WAMI uygulaması için temel bir işlev olup, özellikle trafiğin olduğu alanlar gibi kalabalık bölgelerde oldukça zorlayıcı bir problemdir. Nesnelerin piksel çözünürlüklerinin düşük olması, yer örnekleme mesafesinin oldukça büyük olması ve bunlara ek birçok farklı faktör görsel sinyallerin bozulmasına bu problemin zorlayıcılığının ana faktörleri olarak görülebilir. Bu zorluğun üstesinden gelmek için, uzamsal-zamansal aşamalı mimariler ile tasarlanmış iki çözüm yaklaşım önermekteyiz. Derin ağ mimarileri birbirine benzer olsa da, bu iki yaklaşımın eğitim ve çalışma ilkeleri büyük ölçüde farklılık göstermektedir. Yaklaşımlardan biri verilen temel doğru bilgisini kullanıp tamamen denetimli öğrenme ilkelerinden yararlanırken, ikinci yöntem hareketli bir nesne detektörü oluşturmak için hedeflerin konumları hakkında herhangi bir ön bilgiye ihtiyaç duymaz. Bildiğimiz kadarıyla, ikinci yaklaşım, WAMI'de nesne tespiti için yer gerçeği bilgisi kullanılmadan eğitilen ilk derin uzaysal-zamansal yöntemdir. Ayrıca, WAMI'de özellikle kalabalık alanlarda tespit performansını artırabilmek adına derin ağları eğitmek için yeni bir kalabalığın farkında eşikli kayıp (CATLoss) fonksiyonu önermekteyiz. Parametre eklemesi yapmadan geniş bağlamsal bilgileri daha iyi birleştirebilmek için, literatürde kullanılan önceki ağları genişletilmiş evrişim katmanlarıyla donatıyoruz. Özetle yaklaşımlarımız nedensel, genelleştirilebilir ve küçültülmüş uzamsal boyutlarda bile başarılı olacak şekilde tasarlanmıştır. WPAFB-2009 veri setinde, çıkarım sırasında herhangi bir hesaplama karmaşıklığı getirmeden çözümlerimizin en son teknolojiden daha iyi veya ona eşit performans sergilediğini göstermekteyiz.