Deep learning architectures for smart urban scene analysis

Akıllı şehir analizi, otonom kentsel yaşam problemlerinde öne çıkan önemli bir alan haline geliyor. Görüntü semantiği, görüntü sınıflandırmasının, semantik bölütlemenin ve nesne algılama alt programlarının, uzay-zamansal veri kümeleri aracılığıyla kademeli bir çerçevede sahnelendiği karmaşık bir problemdir. Kentsel sahne analizi, havacılık, robotik, şehir güvenliği, otonom araçlar ve toplu taşıma gibi çeşitli uygulamalarda birleştirilmiştir. Bir kentsel sahnenin temel sorunu, bir şehrin sokaklarında ayrık 2D-3D hareketlerin izlenmesi olarak karakterize edilir. Bu nedenle, sahnedeki uzamsal boşluğu en aza indirmek için sahnenin doğru bir şekilde bölümlenmesi gerekmektedir. Eksiksiz çerçeve, kentsel sahnedeki insanları ve diğer hareketli nesneleri korumak için kritik karar verme araçları sağlar. Kazaları önlemek için yeni nesil otonom sistemler, bir sokaktaki olası tüm hareketleri izlemek için gerçek zamanlı sensörlerini çalıştırmaktadır. Ancak, şehir verisi iç görülerini oluşturmak için algılama aşamasının anlamsal düzeyde yorumlanması gerekir. Semantik bölütlemenin görevi, arka plan dahil her pikseli semantik bir sınıfa etiketlemektir. Nesne algılama ise bir sınırlayıcı kutu ile nesnelerin varlığını ve görüntüde konumlanmış nesnelerin türlerini/sınıflarını bulur. Bu nedenle, nesne algılama değişmez temsilleri gerektirirken, bölütleme eş değişken gösterimleri gerektirir. Örnek bölütleme şu iki görevi içerir: nesne algılama ve semantik/anlamsal bölütleme. Bu tez, Cityscapes veri seti aracılığıyla temel nesnelerin örnek segmentasyonundan oluşmaktadır. Yüksek çözünürlüklü görüntülere YOLACT derin öğrenme mimarisi uygulanmıştır. Yöntem tek aşamalı bölütleme gerektirdiğinden hızlı bulunmuştur. Ek olarak, büyük ölçekli nesneler için maskelerin kalitesi, küçük ölçülü objelere göre daha iyidir. Tez ile, YOLACT mimarisinin, uzamsal boşlukların daha düşük olduğu doğru bir veri kümesinde uygulanabilir görüntü etiketleri oluşturduğu sonucuna varılmıştır.