Please use this identifier to cite or link to this item: https://hdl.handle.net/11147/10953
Title: Vehicle type classification with deep learning
Other Titles: Derin öğrenme ile araç tipi sınıflandırma
Authors: Yaraş, Neriman
Advisors: Özuysal, Mustafa
Keywords: Deep learning
Vehicle type classification
Convolutional Neural Network
Publisher: Izmir Institute of Technology
Source: Yaraş, N. (2020). Vehicle type classification with deep learning. Unpublished master's thesis, İzmir Institute of Technology, İzmir, Turkey
Abstract: In this thesis, we studied the vehicle type classification problem from several perspectives. We apply a deep learning technique with different parameters such as image size and the number of images in data sets to the classification of an image as one of the nine vehicle types. After choosing the most appropriate one among trained models, we convert the problem into a hierarchical tree classification problem so that it could be analyzed in three different tree hierarchies. Experiments are performed using three computational methods for calculating possibilities for each of the nine classes that correspond to the leaves of the hierarchical trees. These studies result in a conclusion that 0.762812 average accuracy is obtained when traditional arithmetic mean computation applied on the hierarchical tree with level-2 using the Stanford Dataset by 224 image size on ResNet34 architecture.
Bu tez çalışmasında, taşıt tipi sınıflandırma problemi farklı açılardan incelenmiştir. Bir imgeyi dokuz araç türünden biri olarak sınıflandırmak için imge boyutu, veri kümelerindeki örnek sayısı gibi farklı parametreleri kullanan bir derin öğrenme tekniği uygulanmıştır. Eğitimli modeller arasında en uygun olanını seçtikten sonra, sorunu hiyerarşik bir ağaç sınıflandırma problemine dönüştürerek üç farklı ağaç hiyerarşisinde analiz ettik. Deneyler, hiyerarşik ağaçların yapraklarına karşılık gelen dokuz sınıfın her biri için olasılıkları hesaplamak için üç hesaplama yöntemi kullanılarak gerçekleştirilmiştir. Bu çalışmalar, ResNet34 mimarisinde 224 görüntü boyutuna göre Stanford veri seti kullanılarak seviye-2 ile hiyerarşik ağaçta geleneksel aritmetik ortalama hesaplama uygulandığında 0.762812 ortalama doğruluğunun elde edildiği sonucuna varmaktadır.
Description: Thesis (Master)--Izmir Institute of Technology, Computer Engineering, Izmir, 2020
Includes bibliographical references (leaves: 50-52)
Text in English; Abstract: Turkish and English
URI: https://hdl.handle.net/11147/10953
Appears in Collections:Master Degree / Yüksek Lisans Tezleri

Files in This Item:
File SizeFormat 
10351616.pdf1.69 MBAdobe PDFView/Open
Show full item record



CORE Recommender

Page view(s)

208
checked on Jun 17, 2024

Download(s)

5,532
checked on Jun 17, 2024

Google ScholarTM

Check





Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.