Pedestrian detection for railway driver support systems

Yaya saptama, gelişmiş sürücü destek sistemlerinin üzerinde en çok çalışılan konularından biridir. Karayolu araçları için, yeterli veri kümeleri oluşturmak ve üstün sınıflayıcılar geliştirmek üzere çok büyük çaba sarfedilmiş olmasına rağmen demiryolu sistemleriyle ilgili çalışmalar çok sınırlı kalmaktadır. Tez kapsamında yapılan çalışmalar, var olan gelişmiş nesne saptama sistemlerinin (örneğin, AlexNet, VGG) ve özel olarak yaya saptama üzerine geliştirilmiş sistemlerin (örneğin, Caltech ya da INRIA gibi denektaşı veri kümeleri ile eğitilmiş sınıflayıcılar) doğrudan demiryolu çalışmalarına yapılan uygulamalarında, bu sistemde var olan zorlukların üstesinden gelebilecek yeterli performansı sağlamadığını göstermektedir. Neyse ki, demiryolu sistemi için karayolu araçlarında mevcut olduğu gibi kapsamlı ve açıklayıcı bir veri kümesinin olgunlaşmasını beklemeksizin, önceden bu kapsamlı veri kümeleri kullanılarak yaya saptamak üzere eğitilmiş çeşitli başarılı derin ağ modellerine aktarmalı öğrenme yaklaşımının uygulanması, bu sistemlerde yaya saptama amacına etkili bir çözüm sağlamaktadır. Bu bilgiler ışığında, aktarmalı öğrenme yaklaşımının uygulanabilmesi için, Demiryolu Yaya Veri Kümesi (Railway Pedestrian Dataset-RAWPED) toplanmış, etiketlenmiş ve zorluk seviyelerine göre alt gruplara ayrılmıştır. Buna ek olarak, derin ağ modellerinin, yer belirleme ve adaptasyon sınırlamaları bir sınıflayıcı topluluğu ile çözülmüştür. Elde edilen iki aşamalı sistemin çeşitli demiryolu sahnelerine uygulanması, kullanılan aktarmalı öğrenme stratejilerinin, önceden eğitilmiş modellerin yaya saptama amacı ile demiryolu sahnelerine güvenilir şekilde adaptasyonunu mümkün kıldığını göstermektedir. Ayrıca, aktarılan modellerin tamamlayıcı özellikleri ve sonuçlarının çeşitliliği de analiz edilmiştir. Tüm bu bulgulara dayanarak, ayrı ayrı modellerin sonuçlarını birleştiren ve bileşenlerinden sürekli olarak daha iyi performans gösteren yeni bir makine öğrenmesi stratejisi yapılandırılmıştır.