Kenar algılama için görüntüdeki zengin özniteliklerin tespiti

Basit Öğe Kaydı
dc.contributor.advisorGürkahraman, Kali
dc.contributor.authorOsmanoğlu, Kadir
dc.date.accessioned2025-05-04T16:37:42Z
dc.date.available2025-05-04T16:37:42Z
dc.date.issued2024
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı
dc.description.abstractBilgisayarlı görü alanında temel bir problem olan kenar algılama, bir görüntüdeki nesnelerin sınırlarını ve önemli yapısal özniteliklerini belirlemeyi amaçlamaktadır. Geleneksel kenar algılama yöntemleri (Sobel, Canny, Laplacian vb.) belirli filtreler ve algoritmalar kullanarak kenarları tespit etmektedir. Bu yöntemler, genellikle sabit filtreler kullanmaktadır ve bu sebeple karmaşık ve değişken ilgi bölgelerine sahip görüntülerde yeterince etkili sonuçlar üretememektedirler. Son yıllarda, kenar algılamada, geleneksel yöntemlere göre daha hızlı olmaları ve ortaya çıkarılması hedeflenen nesne sınırlarına ait öznitelikleri hiyerarşik olarak elde edebilmeleri sebebiyle derin öğrenme modelleri kullanılmaktadır. Bu sebeple, bu tez çalışmasında, yapılarında kodlayıcı ve kod çözme blokları ve artık bağlantılar içeren ve bölütleme probleminde yaygın olarak kullanılan UNet ve UNet++ modelleri kenar tespit etmek için modifiye edilmiştir. Ayrıca, her iki modelin çıktılarını birleştiren Toplu-DL modeli kullanılarak her modelin tek başına ürettiği performans değerlerinin artırılması sağlanmıştır. Geliştirilen modellerin performansları, bu çalışma alanında yaygın olarak kullanılan BSDS500 (Berkeley Segmentation Data Set 500), NYUDv2 ve PASCAL VOC veri setleri kullanılarak ölçülmüştür. Performans değerlendirmesi, sınırları içeren çıktı görüntüsündeki bazı gradyan değerlerinin bir eşik değere bağlı olarak elenmesi sonrasında hesaplanan OIS, ODS, AP, R50 ve F-skor ile gerçekleştirilmiştir. Elde edilen sonuçlar, modifiye edilen UNet modellerinin bu alanda kullanılabileceğini göstermiştir.
dc.description.abstractIn the field of computer vision, edge detection is a fundamental problem that aims to identify the boundaries of objects and significant structural features within an image. Traditional edge detection methods (Sobel, Canny, Laplacian, etc.) use specific filters and algorithms to detect edges. These methods typically use fixed filters, and as a result, they may not produce sufficiently effective results in images with complex and variable regions of interest. In recent years, deep learning models have been utilized for edge detection due to their ability to be faster than traditional methods and to hierarchically obtain the features of object boundaries that are aimed to be revealed. Therefore, in this thesis, UNet and UNet++ models, which include encoder and decoder blocks and residual connections in their structures and are widely used in segmentation problems, were modified for edge detection. Furthermore, by using the Ensemble-DL model that combines the outputs of both models, the performance metrics produced by each model individually have been improved. The performance of the developed models was measured using the BSDS500 (Berkeley Segmentation Data Set 500), NYUDv2, and PASCAL VOC datasets, which is commonly used in this field. Performance evaluation was carried out using the OIS, ODS, AP, R50 and F-score calculated after some gradient values in the output image containing boundaries were filtered based on a threshold value. The obtained results indicate that the modified UNet models can be utilized in this field.
dc.identifier.endpage59
dc.identifier.startpage1
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=UjlM15wKZGQW6TLC0pvCt8IvR2cqjA8Xqs451uivvUqHUHh1LDm7XwGuPRD6KRel
dc.identifier.urihttps://hdl.handle.net/20.500.12418/34680
dc.identifier.yoktezid891882
dc.institutionauthorOsmanoğlu, Kadir
dc.language.isotr
dc.publisherSivas Cumhuriyet Üniversitesi
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_TEZ_20250504
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol
dc.subjectComputer Engineering and Computer Science and Control
dc.titleKenar algılama için görüntüdeki zengin özniteliklerin tespiti
dc.title.alternativeDetection of rich features images for edge detection
dc.typeMaster Thesis

Dosyalar

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu