2 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 2 / 2
Yayın Video çerçeve hız artırımında kapatma yapaylıklarının giderilmesi(IEEE, 2009-06-26) Çizmeci, Burak; Ateş, Hasan FehmiÇerçeve hız arttırımı (ÇHA) yöntemleri, önceleri video standartları arası dönüşümlerde kullanılmış günümüzde ise büyük ekran LCD ve plazma Tv setlerinde daha kaliteli görüntü için sayısal video yayınının zamansal çözünürlüğünün arttırılmasında uygulanmaya başlanmıştır. DSP, FPGA ve ASIC gibi donanımların işlem gücünün artması ÇHA probleminin çözümünde yüksek karmaşıklıkta algoritmaların tasarlanmasına olanak sağlamıştır.Bu bildiride çok aşamalı devinim vektör (DV) iyileştirilmesi art işlemleri ve kapanma/açılma bölgelerine uyarlamalı örtüşmeli blok devinim denkleştirmesi yöntemleri ile uzamsal ve zamansal düzlemde tutarlı bir ÇHA algoritması önermekteyiz. Hekzagonal devinim kestirim (DK) algoritmasının verdiği düşük güvenirlikli DV'leri çok aşamalı iyileştirme art-işlemlerine tabi tutulur. Uzamsal olarak tutarlı bir DV alanı elde edildikten sonra komşu vektörler arasındaki ilişkiler ve ardışık 4 çerçevenin DV bilgisi kullanılarak kapanma/açılma bölgeleri tespit edilir.Örtüşmeli blok devinim denkleştirme filtresi (ÖBDD) tespit edilen bu bölgelelere uyarlanarak kapanma/açılmadan kaynaklanan yapaylıkların azaltılması sağlanır. Böylece var olan ÇHA yöntemlerine göre uzamsal çözünürlükten daha az ödün verilerek ve daha az yapaylıkla ÇHA gerçekleştirilmektedir.Yayın Derin öznitelikler ile anlambilimsel görüntü bölütleme(Institute of Electrical and Electronics Engineers Inc., 2018-07-05) Sünetci, Sercan; Ateş, Hasan FehmiDerin evrişimsel sinir ağları (ESA) pek çok sınıflandırma probleminde olduğu gibi anlambilimsel görüntü bölütlemede de çok ciddi başarı göstermiştir. Fakat derin ağların eğitilmesi hem zaman alıcıdır hem de geniş bir eğitim veri kümesine ihtiyaç duymaktadır. Bir veri kümesinde eğitilen ağın başka bir görev ya da veri kümesine uygulanabilmesi için transfer öğrenme ile yeniden eğitilmesi gerekmektedir. Transfer öğrenmeye alternatif olarak ağ katmanlarından çıkarılan öznitelik vektörleri doğrudan sınıflandırma amaçlı kullanılabilir. Bu bildiride genel ESA mimarilerinden elde edilen özniteliklerin eğitim gerektirmeyen bir görüntü etiketleme yönteminde kullanılmasının sınıflandırma başarımına katkısı incelenmiştir. Derin ağlarda ‘öğrenilmiş’ öznitelikler ile SIFT gibi ‘el yapımı’ özniteliklerin birlikte kullanılmasının etiketleme doğruluğunu artırdığı gösterilmiştir. Varolan ön eğitimli ağların kullanılması sayesinde önerilen yaklaşım herhangi bir veri kümesinde yeniden eğitime gerek olmadan kolayca uygulanabilmektedir. Önerilen yöntem iki veri kümesinde test edilmiş ve etiketleme doğruluğu benzer yöntemlerle karşılaştırmalı olarak sunulmuştur.
