Doğan, HüseyinŞeker, Ali Nuri2023-12-102023-12-1020222022Şeker, A. N., (2022). Robotik Uygulamalar için Oto Kodlayıcı Kullanılarak Denetimsiz Arkaplan Çıkarılması. (Yüksek Lisans Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.https://hdl.handle.net/20.500.12395/51405Robotik sistemlerde görüntü tabanlı kontrol günümüzde klasik görüntü işleme yöntemleri veya yapay zekâ teknikleri kullanılarak çözülebilmektedir. Modern yapay zekâ teknikleri ile geliştirilen görüntü tabanlı kontrol sistemleri, geliştirme maliyetini düşürmüş, tepki süresini azaltmış ve klasik yöntemlerle çözümü uygulanabilir olmayan problemlerin çözümüne yeni kapılar açmıştır. Görüntü tabanlı kontrolde görüntüdeki nesnelerin konum bilgilerini elde etme ve nesneleri sınıflandırma gibi amaçlara yönelik olarak arka plan elde etme işlemi yapılması gereklidir. Bir görüntünün arka planını elde etme işlemi, ön plan cisimlerinin özelliklerini çıkarma ve arka plan değiştirme gibi birçok problemin çözümünde kullanılmaktadır. Fakat ışığın dinamik olduğu, arka plana ait yarı hareketli cisimlerin bulunduğu veya gölgelerin değiştiği görüntülerde arka plan elde etme işlemi konusunda çalışmalar olsa bile, bu halen zorlu bir problemdir. Sözü geçen ortamlarda üretilen görüntülerin arka planlarının elde edilmesinin klasik görüntü işleme yöntemleri veya denetimli öğrenme yöntemleri kullanarak çözülmesi mümkün olsa bile hiç pratik veya verimli olmayacaktır. Bundan dolayı bu problemler genellikle büyük veri setleri ile denetimsiz yöntemler kullanılarak çözülmektedirler. Arka plan elde etmede denetimsiz yöntemlerin yaklaşımı cisimlerin görüntüler arasındaki hareketlerini değerlendirerek ön plan ve arka plan cisimlerini birbirinden ayırmaktır. Yani cisimlerin görüntüler arasındaki akışkanlıklarına göre sınıflandırmaya yönelik yöntemlerdir. Bu çalışmada kapalı devre bir robotik sistem geliştirilerek görüntüler üretilmiş ve bu görüntülerin arka planının elde edilmesi işleminin denetimsiz olarak öğrenilmesi otomatikleştirilmiştir. Elde edilen görüntülerdeki robot dışındaki cisimlerin akışkanlıkları düşük olduğundan mevcut yöntemlerin yeterli olmayacağı öngörülmüş ve yeni bir yaklaşımla bir oto kodlayıcı eğitilmesi önerilmiştir. Geliştirilen yöntem denetimsiz öğrenme için modern standartlarda başarı göstermiştir.In modern times vision-based control in robotic systems could be achieved by the means of classical image processing methods as well as artificial intelligence techniques. Vision-based control developed using modern artificial intelligence techniques are less expensive, more robust and much more feasible for some problems compared to classical methods. It’s crucial to use background extraction to obtain certain information such as objects’ location or class when implementing vision-based control in robotics. Background extraction is used to solve many different problems such as foreground object detection or background replacement. However, it is still a challenge to extract a background from an image or a frame which was captured in an environment with dynamic lighting, moving background objects or moving shadows even if there are some papers focusing on this topic recently. Background extraction within mentioned environments would not be practical or efficient using classical image processing approaches or supervised learning methods even if it is possible. That is why there these problems are solved using big datasets and unsupervised learning methods. Approach of unsupervised methods to this problem is to use the liquidity of the foreground between images or frames to extract the background. In this study a closed loop robotic system has been developed to generate images and a method to extract the background with unsupervised learning was developed. Due to the low liquidity of some foreground objects between images, it was foreseen that current methods would not work with our dataset and a novel approach using autoencoders in a specific way was proposed. Proposed method was demonstrated to work up to modern standards.trinfo:eu-repo/semantics/openAccessArka plan çıkarmaDenetimsiz öğrenmeKapalı devre robotik sistemlerOto kodlayıcılarAutoencodersbackground extractionclosed loop robotic systemsunsupervised learningMaster Thesis