Evrişimsel Sinir Ağı Destekli Şerit Takip Sistemi Tasarımı
| dc.authorid | 0000-0002-0916-0065 | en_US |
| dc.contributor.advisor | Altun, Adem Alpaslan | |
| dc.contributor.author | Çelik, Talha | |
| dc.date.accessioned | 2023-12-08T14:49:10Z | |
| dc.date.available | 2023-12-08T14:49:10Z | |
| dc.date.issued | 2022 | en_US |
| dc.date.submitted | 2022 | |
| dc.department | Selçuk Üniversitesi | en_US |
| dc.description.abstract | Günümüzde kendi kendine sürüş yapabilen cihazların popülerliği gitgide artmaktadır. Bu kapsamda otonom sürüş yeteneğine sahip araçların da kullanım yelpazesi genişlemekte ve yeni teknolojiler ortaya atılmaktadır. Bu araştırmada otonom sürüş yeteneğine sahip karayolu araçlarının, sürüş esnasında, içinde bulunduğu şeritleri tanıyabilmesi ve otoyol üzerindeki konumunu tespit edebilmesi için derin öğrenme temelli bir model önerilmiştir. Bu derin öğrenme modelinin oluşturulması amacıyla farklı hava şartlarına sahip 7000 adet otoyol görseli kullanılmıştır. Model eğitimi esnasında eğitim parametrelerinin değerleri yenilenerek deneyler yapılmış ve oluşturulan modelin hata oranı en aza indirgenmeye çalışılmıştır. Sonuç olarak önerilen derin öğrenme tabanlı bu modelde otoyolda bulunan şeritler %0.09 hata oranı ile tespit edilmiştir. | en_US |
| dc.description.abstract | In today the popularity of self-driving devices is increasing day by day. In this context, the range of use of vehicles with autonomous driving capability is expanding and new technologies are introduced. In this research, a deep learning-based model has been proposed so that highway vehicles with autonomous driving capability can recognize the lanes they are in and determine their position on the highway while driving. 7000 highway images with different weather conditions were used to create this deep learning model. During the model training, the values of the training parameters were renewed, experiments were made and the error rate of the created model was tried to be minimized. As a result, in this deep learningbased model proposed, lanes on the highway were detected with an error rate of 0.09%. | en_US |
| dc.identifier.citation | Çelik, T., (2022). Evrişimsel Sinir Ağı Destekli Şerit Takip Sistemi Tasarımı. (Yüksek Lisans Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya. | en_US |
| dc.identifier.uri | https://hdl.handle.net/20.500.12395/51288 | |
| dc.language.iso | tr | en_US |
| dc.publisher | Selçuk Üniversitesi Fen Bilimleri Enstitüsü | en_US |
| dc.relation.publicationcategory | Tez | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.selcuk | 20240510_oaig | en_US |
| dc.subject | derin öğrenme | en_US |
| dc.subject | konum belirleme | en_US |
| dc.subject | otonom araçlar | en_US |
| dc.subject | yapay zeka | en_US |
| dc.subject | artificial intelligence | en_US |
| dc.subject | autonomous cars | en_US |
| dc.subject | deep learning | en_US |
| dc.subject | position estimating | en_US |
| dc.title | Evrişimsel Sinir Ağı Destekli Şerit Takip Sistemi Tasarımı | en_US |
| dc.title.alternative | Design of Lane Detection System Supported by Convolutional Neural Network | en_US |
| dc.type | Master Thesis | en_US |
