Gerçek zamanlı nesne tanıma sistemlerinde microservis yaklaşımı ile performans artırımı

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2021

Tezin Dili: Türkçe

Öğrenci: MEHMET ALİ SERTTAŞ

Danışman: EMİN MURAT ESİN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu çalışma ile belli bir güzergâhta yer alan binalara yerleştirilmiş tabelaların varlık ve boyutlarının tespitine yönelik gerçek zamanlı, mikro servis mimarisine dayalı yeni bir sistem tasarlanmış ve uygulaması gerçekleştirilmiştir. Sistem ile gezici bir platforma yerleştirilmiş video kameradan elde edilen anlık görüntü çerçevelerinde sınıflandırma işlemi yapılarak belli sınıflardan birisine ait olma durumları belirlenmektedir. Bu amaçla geliştirilmiş SSD Mobile Net ve Fast R-CNN modeli, ekran kartının tahsisli bir alanında çalışarak amaç nesnelerin çerçevelenmesini sağlamakta ve görüntüyü base64stringe çevirmektedir. Bu veri Mask R-CNN modeline aktarılarak tabelanın genelleştirilmiş koordinatları ve piksel cinsinden alanı hesaplanmaktadır. Bu işlem boyunca görüntü akışı sürdüğünden geleneksel olarak nesne tanıma, alan taraması ve boyutlandırılması işlemlerinin artarda yapılması yerine bağımsız mikroservis birimlerinde paralel işlenmesi ile zaman kazandıran ve çerçeve kaybettirmeyen yeni bir yapı gerçekleştirilmiştir. Böylece görüntü akışının kesintisiz sürmesi gereken sistemlerde süreç döngüsünün önemli ölçüde hızlandırılması mümkün olabilmiştir Sonuç olarak bu çalışmada, hareketli kamera ile anlık olarak elde edilen görüntünün tanınması amacıyla görüntü işleme teknikleri ve derin öğrenme algoritmaları kullanılarak geliştirilen yazılımda, görüntü gerçek zamanlı olarak 24 FPS hızda işlenerek %90 doğruluk başarımı elde edilmiştir. Böylece süreç önemli ölçüde hızlandırılabilmiştir.