Doktora Adayı: Ülkü Uzun
EABD: Bilişim Sistemleri
Tarih: 29.11.2022 / 13:00
Yer: ODTÜ Enformatik Enstitüsü

Özet: Döngülü-Çevirim (DÇ) yöntemi, sinyal gürültü giderme ve görüntü iyileştirme gibi dalgacık alanı süreçlerinde büyük başarı ile kullanılmaktadır. Bu tezde DÇ yöntemi, derin öğrenme algoritmalarında kullanılmak üzere uyarlanmış, özellikle GAN tabanlı yağmur damlası giderme modellerine ve CNN tabanlı görüntü sınıflandırma ve nesne algılama modellerine entegre edilmiştir. AlexNet, DenseNet, ResNet, YOLOv5, EfficientDet, CenterNet ve TensorFlow Object Detection (TF-OD) gibi yaygın olarak kullanılan mimariler üzerinde yapılan deneyler, DÇ yönteminin yağmur damlalarının giderilmesine etkisi referans bazlı metriklerle değerlendirildiğinde daha yüksek algısal kalite verdiğini göstermektedir. Sınıflandırmada ve nesne tespiti problemlerinde ise doğruluk ve daha yüksek nesne tespiti algılama performansı görülmüştür. Önerilen yöntemin, alt-örnekleme (downsampling) aşamasından önce kullanıldığı takdirde ekstra öğrenilebilir herhangi bir parametreye ihtiyaç duymadan örtüşme (aliasing) nedeniyle ortaya çıkan sinyal bozulmalarını azalttığı ve genel performansı arttırabileceği gösterilmiştir. DÇ yönteminin bir başka avantajı da doğası gereği bir yumuşatma etkisi sağlaması ve bu nedenle gürültü gidermede potansiyel kullanımlara sahip olmasıdır.