Computer Engineering / Bilgisayar Mühendisliği
Permanent URI for this collectionhttps://hdl.handle.net/11147/10
Browse
22 results
Search Results
Now showing 1 - 10 of 22
Research Project Trafik sahnelerinde tümyönlü ve Ptz kameralar ile araç tespiti ve sınıflandırması(2016) Baştanlar, YalınÇalışmamızda trafik sahnelerindeki araçların tespit edilip sınıflandırması için bir tümyönlü bir de pan-tilt-zoom (PTZ) kamera içeren hibrit bir kamera sisteminin kullanılması önerilmiştir. Önerilen sistemde, tümyönlü kamera şekil tabanlı öznitelikler ile taşıt sınıflandırması yapabilmekte, eğer varsa hedef sınıf olarak belirlenmiş nesneleri tespit ederek PTZ kameranın o nesnelere yönelmesini sağlayabilmektedir. Bu şekilde, tümyönlü kamera genel tespit, takip ve sınıflandırma işlemine devam ederken istenilen araçlar için PTZ kamera yüksek çözünürlüklü görüntü alabilmektedir. Ayrıca, sınıflandırma başarımını artırmak amacıyla PTZ kamera görüntülerinden çıkarılan gradyan tabanlı öznitelikleri de kullanarak ikinci bir sınıflandırma yapılabilmektedir. Bahsedilen yaklaşımların sınıflandırma başarımları yapılan deneylerle ölçülmüştür. Ayrıca PTZ kamera ile takip modülü gerçekçi senaryolar üzerinde incelenmiştir. Üzerine çalışılan nesne tipleri motosiklet, araba, dolmuş ve yayadır.Research Project Fotokapan fotoğraflarında bazı hayvan türlerinin tespiti(2018) Baştanlar, YalınFotokapanlar dogada vahsi hayvanları gözlemlemek için kurulan hareket sensörlü kameralardır. Gelisen teknolojilerle birlikte fotokapan kullanımı ve dolayısıyla sahadan toplanan imge sayısı belirgin bir sekilde artmıstır. Tüm fotokapan görüntülerinin elden geçirilmesi ve içinde hayvan olup olmadıgının ve hangi hayvan oldugunun tespit edilmesi için gerekli isgücü de orantılı olarak artmaktadır. Çalısmamızda amaç, bu tespitleri otomatik yaparak doga arastırmacılarına gözle kontrol etmeleri gereken çok daha az sayıda fotograf bırakmaktır. Bu amaç dogrultusunda öncelikle asırı parlak, karanlık ve bulanık fotografların elenmesi için etkili teknikler arastırılmıstır. Bu kullanıssız fotografların elenmesinin ardından birinci hedef hayvan içeren fotografların tespitidir. Çalısmamızda, bunun için hem arkaplan çıkarımı ile nesne tespiti (fotokapanlar degismeyen arkaplanı bulunan sahneden degisen zaman aralıkları ile imge topladıgından) hem de evrisimli yapay sinir agları (EYSA) ile nesne bulma teknikleri bir arada kullanılarak hayvan içermeyen imgeleri ayıklayan bir sistem önerilmistir. Bir diger hedef de fotograflarda belirli bir hayvan türünün tespitidir. Bunun için de evrisimli yapay sinir aglarını (EYSA) belirli bir hayvan türünü bulmak için egitmek üzerine arastırma yapılmıs, parça-tabanlı egitime dayalı özgün bir yöntem önerilmistir. Ayrıca, gelistirilen eleme ve hayvan bulma yöntemlerin nasıl bir arayüz ile kullanıcıya aktarılması gerektigi ile ilgili de arastırma yapılmıs, bir yazılım prototipi gelistirilmistir.Conference Object Citation - WoS: 7Citation - Scopus: 6Semantic Pose Verification for Outdoor Visual Localization With Self-Supervised Contrastive Learning(IEEE, 2022) Guerrero, Jose J.; Orhan, Semih; Baştanlar, YalınAny city-scale visual localization system has to overcome long-term appearance changes, such as varying illumination conditions or seasonal changes between query and database images. Since semantic content is more robust to such changes, we exploit semantic information to improve visual localization. In our scenario, the database consists of gnomonic views generated from panoramic images (e.g. Google Street View) and query images are collected with a standard field-of-view camera at a different time. To improve localization, we check the semantic similarity between query and database images, which is not trivial since the position and viewpoint of the cameras do not exactly match. To learn similarity, we propose training a CNN in a self-supervised fashion with contrastive learning on a dataset of semantically segmented images. With experiments we showed that this semantic similarity estimation approach works better than measuring the similarity at pixel-level. Finally, we used the semantic similarity scores to verify the retrievals obtained by a state-of-the-art visual localization method and observed that contrastive learning-based pose verification increases top-1 recall value to 0.90 which corresponds to a 2% improvement.Conference Object Citation - WoS: 5Citation - Scopus: 10Efficient Search in a Panoramic Image Database for Long-Term Visual Localization(IEEE, 2021) Orhan, Semih; Baştanlar, YalınIn this work, we focus on a localization technique that is based on image retrieval. In this technique, database images are kept with GPS coordinates and the geographic location of the retrieved database image serves as an approximate position of the query image. In our scenario, database consists of panoramic images (e.g. Google Street View) and query images are collected with a standard field-of-view camera in a different time. While searching the match of a perspective query image in a panoramic image database, unlike previous studies, we do not generate a number of perspective images from the panoramic image. Instead, taking advantage of CNNs, we slide a search window in the last convolutional layer belonging to the panoramic image and compute the similarity with the descriptor extracted from the query image. In this way, more locations are visited in less amount of time. We conducted experiments with state-of-the-art descriptors and results reveal that the proposed sliding window approach reaches higher accuracy than generating 4 or 8 perspective images.Article Citation - WoS: 7Citation - Scopus: 8Long-Term Image-Based Vehicle Localization Improved With Learnt Semantic Descriptors(Elsevier, 2022) Çınaroğlu, İbrahim; Baştanlar, YalınVision based solutions for the localization of vehicles have become popular recently. In this study, we employ an image retrieval based visual localization approach, in which database images are kept with GPS coordinates and the location of the retrieved database image serves as the position estimate of the query image in a city scale driving scenario. Regarding this approach, most existing studies only use descriptors extracted from RGB images and do not exploit semantic content. We show that localization can be improved via descriptors extracted from semantically segmented images, especially when the environment is subjected to severe illumination, seasonal or other long-term changes. We worked on two separate visual localization datasets, one of which (Malaga Streetview Challenge) has been generated by us and made publicly available. Following the extraction of semantic labels in images, we trained a CNN model for localization in a weakly-supervised fashion with triplet ranking loss. The optimized semantic descriptor can be used on its own for localization or preferably it can be used together with a state-of-the-art RGB image based descriptor in hybrid fashion to improve accuracy. Our experiments reveal that the proposed hybrid method is able to increase the localization performance of the standard (RGB image based) approach up to 7.7% regarding Top-1 Recall values.Article Citation - WoS: 3Citation - Scopus: 3Catadioptric Hyperspectral Imaging, an Unmixing Approach(Institution of Engineering and Technology, 2020) Özışık Başkurt, Didem; Baştanlar, Yalın; Yardımcı Çetin, YaseminHyperspectral imaging systems provide dense spectral information on the scene under investigation by collecting data from a high number of contiguous bands of the electromagnetic spectrum. The low spatial resolutions of these sensors frequently give rise to the mixing problem in remote sensing applications. Several unmixing approaches are developed in order to handle the challenging mixing problem on perspective images. On the other hand, omnidirectional imaging systems provide a 360-degree field of view in a single image at the expense of lower spatial resolution. In this study, we propose a novel imaging system which integrates hyperspectral cameras with mirrors so on to yield catadioptric omnidirectional imaging systems to benefit from the advantages of both modes. Catadioptric images, incorporating a camera with a reflecting device, introduce radial warping depending on the structure of the mirror used in the system. This warping causes a non-uniformity in the spatial resolution which further complicates the unmixing problem. In this context, a novel spatial-contextual unmixing algorithm specifically for the large field of view of the hyperspectral imaging system is developed. The proposed algorithm is evaluated on various real-world and simulated cases. The experimental results show that the proposed approach outperforms compared methods.Conference Object Zamanda ortalaması alınmış ikili önplan imgeleri kullanarak taşıt sınıflandırması(IEEE, 2015) Karaimer, Hakkı Can; Baştanlar, YalınWe describe a shape-based method for classification of vehicles from omnidirectional videos. Different from similar approaches, the binary images of vehicles obtained by background subtraction in a sequence of frames are averaged over time. We show with experiments that using the average shape of the object results in a more accurate classification than using a single frame. The vehicle types we classify are motorcycle, car and van. We created an omnidirectional video dataset and repeated experiments with shuffled train-test sets to ensure randomization.Correction Citation - WoS: 1Citation - Scopus: 1Correction To: Detection and Classifcation of Vehicles From Omnidirectional Videos Using Multiple Silhouettes(Springer, 2018) Karaimer, Hakkı Can; Barış, İpek; Baştanlar, YalınAn acknowledgements section was missing in this paper. It should read as follows:.Article Citation - WoS: 3Citation - Scopus: 3Elimination of Useless Images From Raw Camera-Trap Data(Türkiye Klinikleri Journal of Medical Sciences, 2019) Tekeli, Ulaş; Baştanlar, YalınCamera-traps are motion triggered cameras that are used to observe animals in nature. The number of images collected from camera-traps has increased significantly with the widening use of camera-traps thanks to advances in digital technology. A great workload is required for wild-life researchers to group and label these images. We propose a system to decrease the amount of time spent by the researchers by eliminating useless images from raw camera-trap data. These images are too bright, too dark, blurred, or they contain no animals To eliminate bright, dark, and blurred images we employ techniques based on image histograms and fast Fourier transform. To eliminate the images without animals, we propose a system combining convolutional neural networks and background subtraction. We experimentally show that the proposed approach keeps 99% of photos with animals while eliminating more than 50% of photos without animals. We also present a software prototype that employs developed algorithms to eliminate useless images.Conference Object Citation - WoS: 2Citation - Scopus: 8İnsansız Araçlar için Anlamsal Bölütleme ile İmge Tabanlı Konumlandırma(Institute of Electrical and Electronics Engineers Inc., 2019) Çınaroğlu, İbrahim; Baştanlar, YalınBilgisayarlı Görü alanındaki popülerliğini koruyan araştırma konularından birisi insansız araçlarda yer tespiti ve konumlandırmadır. Araçların konumlandırılmasında kullanılan GPS sistemlerinin bazı durumlarda faal olamadığı bilinen bir gerçektir ve bu yetersizlik imge tabanlı konumlandırma çalışmalarına hız vermiştir. Bizim çalışmamızda, araç içinden elde edilmiş Malaga şehir merkezi görüntülerinden oluşan bir veri tabanı kullanılarak imge tabanlı konumlandırma yapılmıştır. İlk olarak, anlamsal (semantik) bölütleme sonucunda elde edilen bir anlamsal betimleyici oluşturulmuş ve yaklaşık en yakın komşuluk araması tekniği de kullanılarak bir konumlandırma yapılmıştır. Ardından bu yöntemin başarısı, literatürde sıkça kullanılan yerel betimleyici tabanlı yöntemin başarısıyla kıyaslanmıştır. Ayrıca, bu iki yöntemin birleştirilmesi ile elde edilen melez bir yöntem önerilmiştir. Önerilen melez imge-tabanlı konumlandırmanın, sadece yerel betimleyici ve sadece anlamsal betimleyici kullanan yöntemden daha başarılı olduğu, dolayısıyla yerel betimleyici tabanlı yöntemlerin anlamsal betimleyiciler ile desteklenmesinin başarıyı artırdığı, deneysel sonuçlarla gösterilmiştir.
- «
- 1 (current)
- 2
- 3
- »