Yüksek Lisans Adayı: Talya Tümer Sivri
EABD: Çokluortam Bilişimi
Tarih: 02.12.2022 / 14:00
Yer: Bilgisayar Mühendisliği - A105
Özet: Bu tez, 3B nesnelerin bölütlemesini veri merkezli bir YZ yaklaşımı olarak sunar. Modelleme, doku eşleme, şekil sıkıştırma, basitleştirme ve iskelet çıkarma uygulamalarında bölütleme popüler ve önemli bir alandır. Bilgisayar bilimlerinde çeşitli amaçlara hizmet ettiği için nesne bölütleme problemi aktif ve öne çıkan bir araştırma alanıdır. Büyüyen makine öğrenmesi, derin öğrenme algoritmaları ve hesaplama gücü yardımıyla 3B nesne bölütlemesi problemini daha verimli bir şekilde çözmek için farklı bir yöntem uygulanmıştır. Bu tezde, 3B nesne bölütlemesi problemini veri merkezli bir YZ yaklaşımını merkeze alarak farklı bir perspektiften çözüyoruz. Yarı denetimli bir öğrenme algoritması olan node2vec'i, bir 3B ağ grafiğindeki her düğüm için vektör gömme temsilini eğitmek için kullandık. Bu yöntem, ağ verilerinin işlenmesini daha kolay ve daha kompakt hale getirmektedir. Ayrıca hesaplama maliyetlerini azaltmak ve boyutsallık lanetini ortadan kaldırmak için çok önemli olan bu yöntemle boyut küçültme yapıyoruz. Başka bir deyişle, bilgiyi düğümlerden ve düğümler arasındaki uç bağlantılardan öğreniyoruz. Daha sonra, denetimsiz öğrenme algoritması K-Means, her düğümü düğüm yerleştirme bilgisine göre kümelemek için kullanıldı. Ayrıca, veri merkezli yaklaşımımız, hesaplama maliyeti açısından CNN ve RNN gibi karmaşık modellerden çok daha düşüktür. Karmaşık ve hesaplama açısından pahalı modeller kullanmak yerine, ham veri sunumunu iyileştirmek için veri merkezli yöntemler uyguluyoruz. Bu çalışmanın ana katkısı, bir node2vec gömme algoritması, makine öğrenimi ve derin öğrenme teknikleri kullanarak veri merkezli bir yapay zeka çerçevesi geliştirmektir. Ek olarak, farklı hiperparametrelerle eğitilmiş düğüm yerleştirme vektörlerini karşılaştırmak ve değerlendirmek için kosinüs benzerliği yöntemini uyarlanmıştır. Ayrıca, 3B nesne üzerinde jeodezik mesafe ile hesaplanan en uygun küme sayısını seçmek için yeni bir algoritma geliştirdik. Böylece, son teknoloji mesh bölütleme yöntemlerine kıyasla rekabetçi sonuçlar sağlıyoruz.
