İnsansız Hava Aracı Görüntülerinde Evrişimli Sinir Ağları Tabanlı Araba Sayımı Yöntemi

Yıl 2020, Cilt: 36 Sayı: 2, 170 - 177, 17.08.2020

Ersin Kılıç Serkan Öztürk

Öz

İnsansız hava araçlarından elde edilen görüntüleri yapay zeka sistemleri ile analiz eden otomatik sistemlerin sayısı giderek artmaktadır. Bu çalışmaların örneklerini şehircilik ve trafik uygulamalarında da görmekteyiz. Bu uygulamalar için görüntüde bulunan arabaların sayısının belirlenmesi oldukça önemlidir. Yapay zeka sistemlerinin eğitimi için olabildiğince fazla sayıda etiketlenmiş veriye ihtiyaç duyulmaktadır. Etiketleme işlemi yapıldığı yönteme bağlı olarak çok zahmetli olabilmektedir. Bu çalışmada İHA görüntülerinden otomatik olarak arabaları sayısını belirleyen derin öğrenme modeli önerilmektedir. Önerilen modelin eğitimi için nokta etiketleme verilerinin yeterli olması veri seti oluşturma aşamasını oldukça kolaylaştırmaktadır. Nokta etiketleme ile derin modellerin eğitilmesi için yeni bir kayıp fonksiyonu önerilmiştir. Önerilen yöntemin başarımının değerlendirilmesi amacıyla CARPK veri seti üzerinde deneysel sonuçlar yapılmıştır. Elde edilen sonuçlar çerçeve etiketleme ile eğitilen modeller ile kıyaslandığında önerilen yöntemin bu modeller ile yarışabilecek düzeyde başarım elde ettiği görülmektedir.

Anahtar Kelimeler

Evrişimli sinir ağları, nesne tespiti, nesne sayımı

Destekleyen Kurum

Erciyes Üniversitesi

Proje Numarası

FDK-2018-8624

Kaynakça

• [1] C. Huai, Z. Libao, M. Jie ve Z. Jue, «Target heat-map network: An end-to-end deep network for target detection in remote sensing images,» Neurocomputing, no. 331, pp. 375-387, 2019.
• [2] N. Mundhenk, G. Konjevod, W. Sakla ve B. Kofi, «A Large Contextual Dataset for Classification, Detection and Counting of Cars with Deep Learning,» %1 içinde The 14th European Conference on Computer Vision, Amsterdam, 2016.
• [3] S. Ren, K. He, R. Girshick ve J. Sun, «Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks,» IEEE Transactions on Pattern Analysis and Machine Intelligence, cilt 39, no. 6, pp. 1137 - 1149, 2017.
• [4] J. Redmon, S. Divvala, R. Girshick ve A. Farhadi, «You Only Look Once: Unified, Real-Time Object Detection,» CoRR, cilt abs/1506.02640, pp. 1-15, 2015.
• [5] T.-Y. Lin, P. Goyal, R. Girshick, K. He ve P. Dollar, «Focal Loss for Dense Object Detection,» CoRR, cilt abs/1708.02002, pp. 1-12, 2017.
• [6] A. Bearman, O. Russakovsky, V. Ferrari ve L. Fei-Fei, «What’s the Point: Semantic Segmentation with Point Supervision,» %1 içinde European Conference on Computer Vision, SANTIAGO, CHILE, 2015.
• [7] I. Stavness ve S. Aich, «Improving Object Counting with Heatmap Regulation,» CoRR, pp. 1-17, 2018.
• [8] M.-R. Hsieh, Y.-L. Lin ve W. Hsu, «Drone-based Object Counting by Spatially Regularized Regional Proposal Networks,» %1 içinde International Conference on Computer Vision, Venice, 2017.
• [9] R. Girshick, J. Donahue, T. Darrell ve J. Malik, «Rich feature hierarchies for accurate object detection and semantic segmentation,» CoRR, cilt abs/1311.2524, pp. 1-12, 2013.
• [10] R. Girshick, «Fast R-CNN,» CoRR, cilt abs/1504.08083, pp. 1-15, 2015.
• [11] E. Goldman, R. Herzig, O. Ratzon, I. Levi, J. Goldberger ve T. Hassner, «Precise Detection in Densely Packed Scenes,» CoRR, cilt abs/1904.00853, pp. 1-15, 2019.
• [12] W. Li, H. Li, Q. Wu, X. Chen ve K. N. Ngan, «Simultaneously Detecting and Counting Dense Vehicles From Drone Images,» IEEE Transactions on Industrial Electronics, cilt 66, no. 12, pp. 9651 - 9662, 2019.
• [13] Y. Cai, D. Du, L. Zhang, L. Wen, W. Wang, Y. Wu ve S. Lyu, «Guided Attention Network for Object Detection and Counting on Drones,» CoRR, pp. 1-15, 2019.
• [14] V. Lempitsky ve A. Zisserman, «Learning To Count Objects in Images,» %1 içinde Advances in Neural Information Processing Systems 23, Curran Associates, Inc., 2010, pp. 1324--1332.
• [15] L. Boominathan, S. S. S. Kruthiventi ve R. V. Babu, «CrowdNet: A Deep Convolutional Network for Dense Crowd Counting,» %1 içinde 24th ACM international conference on Multimedia, Amsterdam , 2016.
• [16] W. Xie, J. A. Noble ve A. Zisserman, «Microscopy cell counting and detection with fully convolutional regression networks,» Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization, cilt 6, no. 3, pp. 283-292, 2018.
• [17] L. Fiaschi, R. Nair, U. Köthe ve F. Hamprecht, «Learning to count with regression forest and structured labels,» %1 içinde 21st International Conference on Pattern Recognition, Tsukuba Science City, 2012.
• [18] A. Krizhevsky, I. Sutskever ve G. E. Hinton, «ImageNet Classification with Deep Convolutional Neural Networks,» %1 içinde Advances in Neural Information Processing Systems 25, Curran Associates, Inc., 2012, pp. {1097--1105.
• [19] K. Simonyan ve A. Zisserman, «Very Deep Convolutional Networks for Large-Scale Image Recognition,» CoRR, pp. 1-11, 2014.
• [20] K. He, X. Zhang, S. Ren ve J. Sun, «Deep Residual Learning for Image Recognition,» %1 içinde 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, NV, 2016.
• [21] L. He, Y. Chao, K. Suzuki ve K. Wu, «Fast connected-component labeling,» Pattern Recognition, cilt 42, no. 9, pp. 1977--1987, 2009.