Yazar "Emlek, Alper" seçeneğine göre listele
Listeleniyor 1 - 11 / 11
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Derin ağ tabanlı iyileştirilmiş stereo eşleştirme(Niğde Ömer Halisdemir Üniversitesi, 2022) Emlek, Alper; Peker, MuratBu tezde, stereo görüntüler kullanılarak gerçek zamanlı eşitsizlik haritaları elde etmek ve eşitsizlik haritalarını düzeltmek amacıyla çeşitli derin öğrenme tabanlı ağ yapıları önerilmiştir. Tez çalışması kapsamında ilk olarak eşitsizlik haritalarının başarısını artırmaya yönelik ağ yapılarının tasrarımları gerçekleştirilmiştir. Bu çalışmalarda eşitsizlik haritalarının düzeltilmesi ve eşleşme maliyetlerinin doğruluğunun artırılması amaçlanmıştır. Sonraki çalışmalarda ise uçtan uca öğrenmeye dayalı tasarımlarla eşitsizlik haritalarının elde edilmesi amaçlanmıştır. Uçtan uca ağ yapıları ile yapılan çalışmaların ilkinde evrişim işlemlerinde kullanılan çekirdek yapılarının stereo eşleştirme problemlerine göre özelleştirilmesiyle bir ağ yapısı oluşturulmuştur. Diğer bir ağ yapısında ise baştan sona öz tasarım ile gerçekleştirilen uçtan uca öğrenme ile eşitsizlik haritası çıkarabilen bir ağ yapısı oluşturulmuştur. Bu ağ yapısında öznitelik çıkarma ve eşleşme maliyetlerinin toplanması adımları için alt ağ yapılarıda önerilmiştir. Ayrıca önerilen bu yöntemlerin tasarımında gerçek zamanlı uygulamalar için uygun çalışma sürelerinin elde edilmesi öncelikli hedef olarak belirlenmiştir. Önerilen yapıların farklı veri kümeleri üzerinde eğitim ve test işlemleri gerçekleştirilmiş olup hem nitel hemde nicel karşılaştırmalar gerçekleştirilerek başarımları değerlendirilmiştir.Öğe EVRİŞİMLİ SİNİR AĞI TABANLI DERİNLİK HARİTASI İYİLEŞTİRME(2020) Emlek, Alper; Peker, MuratBir ortamın derinlik bilgisi üç boyutlu yeniden oluşturma, otonom sistemler gibi derinlik bilgisine ihtiyaç duyulan birçok uygulamada yoğun olarak kullanılmaktadır. Stereo görüntü çiftleri kullanılarak derinlik bilgisi elde edilmesi, uzun yıllardır öne çıkan çalışma konuları arasında yer almaktadır. Son yıllarda derin öğrenme alanındaki gelişmeler, stereo görüntüler kullanılarak derinlik elde edilmesi alanında yapılan çalışmaları da etkilemiştir. Son dönemde, derin öğrenme tabanlı stereo eşleştirme alanındaki çalışmalar daha çok derinlik (eşitsizlik) haritalarının elde edilmesi ve düzeltilmesi alanında yoğunlaşmaktadır. Derin öğrenme tabanlı derinlik haritası düzeltme işlemlerinde eşleşme maliyetleri üzerinden yapılan düzeltme işlemleri daha başarılı sonuçlar üretilmesini sağlamıştır. Fakat eşleşme maliyetlerine doğrudan ulaşmak her zaman mümkün olmamaktadır. ZED ve Intel RealSense gibi hazır sistemler tarafından üretilen derinlik haritaları son kullanıcıya sunulmaktadır. Çalışmada sadece sol görüntü ve derinlik haritası aracılığıyla düzeltme işlemi yapan bir ağ yapısı önerilmiştir. Önerilen ağ, KITTI 2012 ve KITTI 2015 veri kümeleri üzerinde test edilmiştir. Deneysel çalışmalar sonucunda olarak giriş derinlik haritalarının doğruluğunun arttırılması için önerilen ağ yapısının kullanılabileceği nicel ve nitel sonuçlar ile gösterilmiştir.Öğe Horizontal Attention Convolution Layer for Stereo Matching(IEEE, 2021) Emlek, Alper; Peker, MuratObtaining a disparity map with stereo matching is one of the most important research topics in areas such as image processing and computer vision. Disparity maps are frequently used by autonomous systems that need depth information of the environment. Recently, high accuracy disparity maps have been obtained with end-to-end deep learning. In this study, a horizontal attention-based convolution layer has been proposed in order to better extract the sequential information in the horizontal plane in the rectified stereo images in methods based on deep learning. The proposed structure has been applied to the DispNetC network, which has been widely used in the literature, and has increased the performance of the network. On the other hand, the proposed method have a very low effect on the network's runtime. The results obtained are shown on the Scene Flow dataset. The codes of the study are available at the following address: https://github.com/aemlek/HADNÖğe Improving The Cost-Volume Based Local Stereo Matching Algorithm(IEEE, 2018) Emlek, Alper; Peker, Murat; Yalcin, Mehmet KursatAdaptive support weights (ASW) are one of the best methods for matching costs in local stereo matching algorithms. In the literature, the most common method is guided filter for calculating the support weight. Guided filter-based methods generally apply the right-left consistency check during the disparity refinement process. However, this process requires the two difference maps which are obtained by taking the reference of the right image and the left image. In this case, since two difference maps need to be obtained, the processing load is almost doubled. With the proposed algorithm, the difference map for the left image is obtained with the winner-take-all (WTA) method after the costs are calculated with the help of the guided filter. Later on, this difference map has been corrected with the help of the cross-based window approach, by this, both the performance was improved and the processing costs were reduced, this resulted in a nearly twofold reducement in terms of the processing time. The results obtained were tested in the Middlebury dataset.Öğe P3SNet: Parallel Pyramid Pooling Stereo Network(IEEE-Inst Electrical Electronics Engineers Inc, 2023) Emlek, Alper; Peker, MuratIn autonomous driving and advanced driver assistance systems (ADAS), stereo matching is a challenging research topic. Recent work has shown that high-accuracy disparity maps can be obtained with end-to-end training with the help of deep convolutional neural networks from stereo images. However, many of these methods suffer from long run-time for real-time studies. Therefore, in this paper, we introduce P3SNet, which can generate both real-time results and competitive disparity maps to the state-of-the-art. P3SNet architecture consists of two main modules: parallel pyramid pooling and hierarchical disparity aggregation. The parallel pyramid pooling structure makes it possible to obtain local and global information intensively from its multi-scale features. The hierarchical disparity aggregation provides multi-scale disparity maps by using a coarse-to-fine training strategy with the help of the costs obtained from multi-scale features. The proposed approach was evaluated on several benchmark datasets. The results on all datasets showed that the proposed P3SNet achieved better or competitive results while having lower runtime. The code is available at https://github.com/aemlek/P3SNet.Öğe Refinement of matching costs for stereo disparities using recurrent neural networks(Springer, 2021) Emlek, Alper; Peker, MuratDepth is essential information for autonomous robotics applications that need environmental depth values. The depth could be acquired by finding the matching pixels between stereo image pairs. Depth information is an inference from a matching cost volume that is composed of the distances between the possible pixel points on the pre-aligned horizontal axis of stereo images. Most approaches use matching costs to identify matches between stereo images and obtain depth information. Recently, researchers have been using convolutional neural network-based solutions to handle this matching problem. In this paper, a novel method has been proposed for the refinement of matching costs by using recurrent neural networks. Our motivation is to enhance the depth values obtained from matching costs. For this purpose, to attain an enhanced disparity map by utilizing the sequential information of matching costs in the horizontal space, recurrent neural networks are used. Exploiting this sequential information, we aimed to determine the position of the correct matching point by using recurrent neural networks, as in the case of speech processing problems. We used existing stereo algorithms to obtain the initial matching costs and then improved the results by utilizing recurrent neural networks. The results are evaluated on the KITTI 2012 and KITTI 2015 datasets. The results show that the matching cost three-pixel error is decreased by an average of 14.5% in both datasets.Öğe Rotor Speed and Load Torque Estimations of Induction Motors via LSTM Network(Sciendo, 2023) Kosten, Mehmet Muzaffer; Emlek, Alper; Yildiz, Recep; Barut, MuratIn this study, a long short-term memory (LSTM) based estimator using rotating axis components of the stator voltages and currents as inputs is designed to perform estimations of rotor mechanical speed and load torque values of the induction motor (IM) for electrical vehicle (EV) applications. For this aim, first of all, an indirect vector controlled IM drive is implemented in simulation to collect both training and test datasets. After the initial training, a fine-tuning process is applied to increase the robustness of the proposed LSTM network. Furthermore, the LSTM parameters, layer size, and hidden size are also optimised to increase the estimation performance. The proposed LSTM network is tested under two different challenging scenarios including the operation of the IM with linear and step-like load torque changes in a single direction and in both directions. To force the proposed LSTM network, it is also tested under the variation of stator and rotor resistances for the both-direction scenario. The obtained results confirm the highly satisfactory estimation performance of the proposed LSTM network and its applicability for the EV applications of the IMs.Öğe Sparsity-aware complex-valued least mean kurtosis algorithms(Elsevier, 2025) Ozince, Nazim; Menguc, Engin Cemal; Emlek, AlperComplex-valued least mean kurtosis (CLMK) algorithm and its augmented version (ACLMK) have recently become popular as workhorse tools in the processing of complex-valued signals due to their superior performances. Unfortunately, they are not yet suitable for sparse system identification problems. In this paper, combining the well-known sparsity-promoting strategies into the cost function based on the negated kurtosis of the error signal, we introduce a suit of sparsity-aware CLMK algorithms, named /0 0-norm CLMK (/0-CLMK), / 0-CLMK), / 0-ACLMK, zero-attraction CLMK (ZA-CLMK), ZA-ACLMK, reweighted ZA-CLMK (RZA-CLMK), and RZA-ACLMK. Simulation results on synthetic and real-world sparse system identification scenarios in the complex domain show that the proposed algorithms outperform the existing sparsity-aware algorithms in terms of convergence rate, tracking, and steady-state error.Öğe Stereo görüntü eşleştirme için kenar tabanlı değişken pencere metodu(Niğde Ömer Halisdemir Üniversitesi / Fen Bilimleri Enstitüsü, 2017) Emlek, Alper; Dilaver, Kamil FatihBölgesel yöntem tabanlı stereo eşleşme probleminde, sabit pencereli metotların değişken pencereli metotlarla karşılaştırıldığı zaman, gürültülerden ve sahne içeriklerinden dolayı genellikle daha kötü sonuçlar verdikleri gözlemlenmektedir. Bu gözlemlerden faydalanarak bu tez çalışmasında, stereo eşleşme probleminde maliyetlerin toplamı adımı için yeni bir değişken pencere yöntemi önerilmiştir. Stereo görüntüler ve gerçek fark haritaları üzerindeki gözlemlere dayanarak derinlik değişimlerinin görüntülerin kenar noktalarında olduğu belirtilmiştir. Bu sebepten dolayı önerilen yöntem, kenar bilgisine dayalı pencere boyutunu belirlemek ve görüntünün değişken olmayan alanlarını eşleştirmek üzere tasarlanmıştır. Önerilen kenar tabanlı değişken pencere metodu, çeşitli pencere boyutlarındaki mutlak farkların toplamı (MFT) yöntemiyle, Middlebury stereo veri kümesi üzerinde test edilmiştir. Elde edilen sonuçları değerlendirmek için kötü piksel yüzdesi yöntemi kullanılmıştır. Kötü piksel yüzdesi yöntemi kullanılarak benzetim sonuçları değerlendirildiği zaman, önerilen kenar tabanlı değişken pencere metodu yönteminin çeşitli pencere boyutlarındaki mutlak farkların toplamı yönteminden daha iyi sonuçlar verdiği gösterilmiştir.Öğe Variable Window Size for Stereo Image Matching Based on Edge Information(IEEE, 2017) Emlek, Alper; Peker, Murat; Dilaver, Kamil FatihFixed window sized methods have usually poor performance compared to variable window size methods due to the noise and context of the scene. In this work, a new variable window size method is proposed for the cost aggregation step of stereo matching. The main idea is to find the depth change regions and match them correctly. Based on the observations, it was seen that the depth changes occurred around the edges of an image. Due to this, the proposed method is designed to determine the window size based on the edge information and match the variable areas of an image. The experimental results are analyzed with the Middlebury stereo evaluation dataset. The proposed method is compared with the sum of absolute differences (SAD) method in different window sizes.Öğe Variable window size for stereo image matching based on edge information(Institute of Electrical and Electronics Engineers Inc., 2017) Emlek, Alper; Peker, Murat; Dilaver, Kamil FatihFixed window sized methods have usually poor performance compared to variable window size methods due to the noise and context of the scene. In this work, a new variable window size method is proposed for the cost aggregation step of stereo matching. The main idea is to find the depth change regions and match them correctly. Based on the observations, it was seen that the depth changes occurred around the edges of an image. Due to this, the proposed method is designed to determine the window size based on the edge information and match the variable areas of an image. The experimental results are analyzed with the Middlebury stereo evaluation dataset. The proposed method is compared with the sum of absolute differences (SAD) method in different window sizes. © 2017 IEEE.
