Görüntüde kamufle olmuş nesne tespiti ve tanınması: Kelebek örneği

Kamuflaj görüntülerde yer alan kamufle olmuş nesneler arka planla yakın doku, desen ve renk özelliklerine sahip olduklarından, tespit edilmeleri oldukça zordur. Zayıf sınırlara ve arka plana benzer desenlere sahip olduklarından mevcut ikili bölütleme çözümleri kamufle olmuş nesnenin tespit edilmesi problemiyle kolayca başa çıkamamaktadır. Kamuflajlı nesne tespiti (COD) arka planla yüksek derecede benzerlik gösteren nesnelerin tespit edilmesini amaçlamaktadır. Bu tez çalışmasında ERVA 1.0 orijinal kamuflaj veri seti oluşturularak kullanılmıştır. COD problemi için bu tez çalışmasında bölütleme ve nesne tanıma olmak üzere iki aşamalı bir çözüm sunulmaktadır. ERVA 1.0 veri seti üzerinde yer alan tüm test görüntülerinin doku özellikleri bölütleme işlemi için Gabor Filtre kullanılarak çıkarılmıştır. Çıkarılan bu özellikler K-means algoritması yardımıyla kümelenerek orijinal görüntü doku özelliklerine göre farklı bölgelere ayrılmıştır. Bu bölgelerdeki nesnelerin tespit edilmesi için LBP ve Öklid uzaklık hesabı kullanılmıştır. Daha sonra nesnenin türünün tahmin edilmesi için derin öğrenme tekniklerinden önceden eğitilmiş modeller kullanılmıştır. Çalışmada bölütleme başarısı Structural Similarity yöntemiyle %87.89, Dice Similarity Coefficient yöntemi ile %83.64 başarı oranı hesaplanmıştır. Bölütleme sonrası elde edilen nesne türünün tespit edilmesi için derin öğrenme önceden eğitilmiş modeller kullanılmıştır. Artırılmamış veri ile Deney 1 ve veri artırma yöntemi uygulanarak artırılmış veri ile Deney 2 yapılmıştır. Deney 1 için en yüksek başarı oranı InceptionResNetV2 modeli ile %92.29 ve Deney2 için en yüksek başarı oranı ise DenseNet121 modeli ile %94.81 olarak elde edilmiştir.