Nesne Tespiti Probleminde Güncel İlerlemeler

Saturday Nov 26, 2022, 9:55 AM → 5:00 PM Europe/Istanbul

Zoom

TÜBİTAK ULAKBİM, Robotik ve Yapay Zeka Teknolojileri Uygulama ve Araştırma Merkezi (ROMER) ve Orta Doğu Teknik Üniversitesi iş birliği ile, 26 Kasım 2022 Cumartesi günü düzenlenecek olan Nesne Tespiti Probleminde Güncel İlerlemeler başlıklı çalıştayda aşağıda belirtilen konularda eğitim ve uygulamalar gerçekleştirilecektir:

• Küçük Nesne Tespiti için Dilimleme Temelli İnce Ayarlama ve Çıkarsama ve Derin Öğrenme Eğitiminde Sentetik Veri Kullanımı

• Sıfır/az örnekle Öğrenme ve Videolarda Verimli Nesne Tespiti

• Açık Küme Tanıma için Derin Sinir Ağı Sınıflandırıcıları

• Öz-Denetimli Öznitelikler Yardımıyla Videolarda Denetimsiz Nesne Keşfi

• Nesne Tespitinde Performans Ölçüm yöntemleri

• Nesne Tespitinde ve Görsel Tanımada Dengesizlik Problemler
   

Çalıştaya ilişkin sunumlara detaylı programdan erişim sağlayabilirsiniz.

---

Konuşmacılar:

Prof. Dr. Alptekin Temizel (Enformatik Enstitüsü, Orta Doğu Teknik Üniversitesi): Lisans eğitimini ODTÜ Elektrik-Elektronik Mühendisliği’nde tamamlamış (1999), Doktora derecesini ise  Centre of Vision, Speech and Signal Processing, University of Surrey’den almıştır (2006).  Enformatik Enstitüsü’nde GPU Eğitim ve Araştırma Merkezi ve Derin Öğrenme ve Bilgisayarlı Görü Araştırma grubunun baş araştırmacısı olasının yanı sıra NVIDIA Derin Öğrenme Enstitüsü (DLI) Sertifikalı Eğitmen ve DLI Üniversite Elçisidir. 2014 ve 2015 yaz aylarında Microsoft MLDC-Lizbon'da, 2016-2017 yıllarında University of Birmingham’da ziyaretçi araştırmacı olarak bulunmuştur. Başlıca araştırma alanları video gözetimi, bilgisayarla görme, makine öğrenimi, derin öğrenme ve GPU hesaplamadır.

Dr. Öğr. Üyesi Ramazan Gökberk Cinbiş (Bilgisayar Mühendisliği Bölümü, Orta Doğu Teknik Üniversitesi): Ramazan Gökberk Cinbiş, 2008 yılında Bilkent Üniversitesi'nden lisans ve 2010 yılında ABD'de Boston Üniversitesi'nden yüksek lisans derecelerini aldı. 2010-2014 yılları arasında INRIA Grenoble, Fransa'da LEAR ekibinde doktora öğrencisi olarak görev aldı ve 2014 yılında Universite de Grenoble'dan bilgisayar bilimleri doktora derecesi aldı. Halen Orta Doğu Teknik Üniversitesi'nde doktor öğretim üyesi olarak görev almaktadır. Araştırma alanları içerisinde eksik denetimli derin öğrenme, meta makine öğrenmesi, bilgisayarlı görme - doğal dil entegrasyonu, ve geniş ölçekli öğrenme problemleri yer almaktadır.

Prof. Dr. Hakan Çevikalp (Elektrik Elektronik Mühendisliği Bölümü, Eskişehir Osmangazi Üniversitesi): Hakan Çevikalp doktora derecesi 2005 yılında Vanderbilt Üniversitesi Elektrik Mühendisliği ve Bilgisayar Bilimleri Bölümü'nden almıştır. Doktora sonrası 2017 yılında Inria Rhone Alpes bünyesinde bulunan LEAR takımında, 2018 yılında ise Rowan Üniversitesinde doktora sonrası araştırmacı olarak çalışmıştır. Dr. Çevikalp şu anda Eskişehir Osmangazi Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü'nde tam zamanlı profesör olarak görev yapmaktadır. Araştırma ilgi alanları arasında örüntü tanıma, sinir ağları, görüntü ve sinyal işleme, optimizasyon ve bilgisayarla görme bulunmaktadır.

Dr. Nermin Samet (IMAGINE Araştırma Grubu ENPC ParisTech): Nermin Samet, École des Ponts (ENPC) ParisTech, IMAGINE Araştırma Grubu'nda doktora sonrası araştırmacı olarak çalışmaktadır. IMAGINE araştırma grubuna katılmadan önce, doktora derecesini Emre Akbaş gözetiminde 2021 yılında ODTÜ Bilgisayar Mühendisliği bölümünden elde etti. Master ve lisans derecelerini ise Bilgisayar Mühendisliğinde sırasıyla Bilkent ve Hacettepe Üniversitesinden aldı. Başlıca araştırma ilgi alanları arasında imgelerde ve videolarda 2B/3B nesne tespiti ve nesne keşfi, aynı zamanda 2B ve 3B insan pozisyon kestirimi yer almaktadır.

Dr. Öğr. Üyesi Emre Akbaş (Bilgisayar Mühendisliği Bölümü, Orta Doğu Teknik Üniversitesi): Dr. Emre Akbaş, Orta Doğu Teknik Üniversitesi Bilgisayar Mühendisliği Bölümü’nde öğretim üyesi olarak görev yapmaktadır. Lisans ve yüksek lisans derecelerini ODTÜ Bilgisayar Mühendisliği Bölümü’nden, doktora derecesini ise İllinois (Urbana-Champaign) Üniversitesi Elektrik ve Bilgisayar Mühendisliği Bölümü’nden aldı. ODTÜ’de göreve başlamadan önce Kaliforniya Üniversitesi Beyin Bilimleri Bölümü’nde doktora sonrası araştırmacı olarak çalıştı. Dr. Akbaş’ın bilgisayar görüsü ve yapay öğrenme konularındaki araştırmaları nesne tespiti ve insan poz kestirimi problemlerine yoğunlaşmaktadır.

Doç. Dr. Sinan Kalkan (Bilgisayar Mühendisliği Bölümü, Orta Doğu Teknik Üniversitesi): Sinan Kalkan, lisans ve yüksek lisans derecelerini ODTÜ Bilgisayar Mühendisliğinden aldıktan sonra, doktora eğitimini Almanya - Göttingen Üniversitesinde tamamlamıştır. Bir süre Göttingen Üniversitesinde ve ODTÜ'de doktora sonrası araştırmacı olarak çalıştıktan sonra, ODTÜ Bilgisayar Mühendisliği Bölümüne öğretim üyesi olarak katılmıştır. Bilgisayarlı görü ve yapay öğrenme konularında çalışmaktadır.

---

NOT: 

* Katılımcılara çalıştay sonunda herhangi bir katılım belgesi veya sertifika verilmeyecektir.

---

EuroCC ve TRUBA Sosyal Medya Linkleri

Twitter:

https://twitter.com/EuroCC_Turkey

https://twitter.com/TrubaUlakbim

LinkedIN:

https://www.linkedin.com/company/eurocc-turkey

https://www.linkedin.com/company/truba

1 Açılış Konuşması

2 Küçük Nesne Tespiti İçin Dilimleme Temelli İnce Ayarlama ve Çıkarsama ve Derin Öğrenme Eğitiminde Sentetik Veri Kullanımı

Nesne tespiti algoritmalarının performansları hedef nesnelerin boyutlarının küçük olduğu durumlarda önemli ölçüde düşmektedir. Bu konuşmada öncelikle küçük nesnelerin tespit doğruluğunu artırmak üzere önermiş olduğumuz dilimleme (slicing) temelli ince ayarlama ve çıkarsama çatısından bahsedeceğiz. Yöntem farklı nesne tespiti algoritmalarına uyarlanabilmektedir, tam imge çıkarsama ile eşgüdümlü kullanılması ile küçük nesnelerin yanı sıra orta ve büyük nesnelerin tespit performansında da artış sağlamaktadır.
Derin öğrenme tabanlı sınıflandırma ve tespit yöntemlerinin performansını artırmaya yönelik olarak modellerin eğitiminde kullanmak üzere sentetik verilerin üretimi son zamanlarda ilgi çeken diğer bir araştırma konusudur. Konuşmanın ikinci kısmında üretken veri artırma yöntemleri ile veri kümesinin büyütülmesi konusundan ve sentetik örneklerin veri kümesine eklenmesinde yaşanabilecek problemlerden bahsedeceğiz. Arından, bu örneklerden başarımı artıracak bir veri havuzu oluşturulmasında faydalanılabilecek yöntemlere değineceğiz.

Speaker: Prof. Alptekin Temizel (Orta Doğu Teknik Üniversitesi-Enformatik Enstitüsü)

Alptekin_Temizel.pdf

10:50 AM Ara

3 Sıfır/az Örnekle Öğrenme ve Videolarda Verimli Nesne Tespiti

Derin öğrenme tabanlı yaklaşımların hayata geçirilmesinde karşılaşılan problemler arasında etiketli veri ve işlem gücü gereksinimleri önemli yer tutmaktadır. Konuşmanın birinci kısmında, eğitim verisi gereksinimlerini düşürmeye yönelik çalışmalar sunulacaktır. Özellikle nesne tespiti ve anlamsal bölütlemeye yönelik sıfır örnekle öğrenme, az örnekle öğrenme ve özdenetimli öğrenme prensiplerine dayanan, yakın dönemde geliştirdiğimiz modeller paylaşılacaktır. Konuşmanın ikinci kısmında ise, akan videolara derin öğrenme modellerinin uygulanmasında hesaplama verimliliğini arttırmaya yönelik olan StreamDEQ yaklaşamı paylaşılacaktır.

Speaker: Dr Ramazan Gökberk Cinbiş (Orta Doğu Teknik Üniversitesi-Bilgisayar Mühendisliği Bölümü)

Gokberk_Cinbis.pdf

11:50 AM Ara

4 Açık Küme Tanıma için Derin Sinir Ağı Sınıflandırıcıları

Açık küme tanıma problemlerinde, eğitim sırasında bilinen sınıf örnekleri kullanılırken test esnasında eğitim setinde bulunmayan sınıflara ait örnekler ortaya çıkabilmektedir. Bu tür sınıflandırma problemlerinde amaç, bilinmeyen sınıf örneklerini reddederken bilinen sınıf örneklerini doğru bir şekilde sınıflandırmaktır. Bilinmeyen sınıflardan gelen örnekleri belirlememiz ve reddetmemiz gerektiğinden, kompakt kabul bölgelerini döndüren sınıflandırıcılar açık küme tanıma sınıflandırıcılarının başarısı için son derece önemlidir. Bu konuşmada, açık küme tanıma problemleri için önerdiğimiz 3 derin sinir ağı sınıflandırıcısını açıklayacağız: İlk yöntem, sınıflandırma için çokyüzlü konik fonksiyonları kullanırken, ikinci yöntem, derin kompakt hiper küre modellerini kullanmaktadır. Son yöntem ise küme tabanlı yüz tanıma için önerilmiş olup, sınıflandırma için yerel ayırt edici modelleri kullanmaktadır.

Speaker: Prof. Hakan Çevikalp (Eskişehir Osmangazi Üniversitesi-Elektrik Elektronik Mühendisliği Bölümü)

Hakan_Cevikalp.pdf

12:45 PM Öğle Arası

5 Öz-Denetimli Öznitelikler Yardımıyla Videolarda Denetimsiz Nesne Keşfi

Bu konuşmada, videolarda denetimsiz nesne segmentasyonu için geliştirdiğimiz basit ve aynı zamanda güçlü bir yöntemden bahsedeceğim. Yöntemimizde önerdiğimiz amaç fonksiyonunun minimumu, verilen bir videonun karelerinde yer alan ana objenin maskesine karşılık gelmektedir. Yöntemimiz yalnızca, hali hazırda öz-denetleyici yöntemler kullanılarak eğitilmiş modellerden elde edilen bağımsız imge ve optik akış özniteliklerine dayanmaktadır. Yöntemimiz süper piksellere veya seyrekleştirme adımlarına gerek duymadan verilen videonun boyutuna göre ölçeklenebilmekte, ve herhangi bir eğitim aşamasına gerek duymadan farklı veri kümelerine genellenebilmektedir. Yöntemimiz, standart veri kümelerinde (DAVIS2016, SegTrack-v2, FBMS59) literatürdeki en iyi yöntemler ile benzer seviyede başarım gösterirken, bu yöntemleri ile karşılaştırıldığında kavramsal ve pratik olarak çok daha basittir.

Speaker: Dr Nermin Samet (IMAGINE Araştırma Grubu ENPC ParisTech)

Nermin_Samet.pdf

2:20 PM Ara

6 Nesne Tespitinde Performans Ölçüm Yöntemleri

Nesne tespiti ve örnek bölütleme gibi görsel tespit problemlerinde daha iyi yöntemlerin geliştirilebilmesi için performans ölçümü aşamasının büyük önemi vardır. Günümüzde yaygın olarak kullanılan ‘’ortalama kesinlik’’ (average precision, AP) ölçütünün, zayıflıklarının olduğu bilinmektedir. Bu konuşmada ‘’ortalama kesinlik’’ ölçütünün zayıflıklarını gideren LRP (localization recall precision) hata metriğini sunacağız. Bu metriğin, AP’nin ve Panoptik Kalite ölçütünün avantajları ve dezavantajlarını karşılaştırdıktan sonra daha güncel olarak önerilmiş olasılıksal tespit kalitesi (probabilistic detection quality), sabit AP, havuz AP, sınır kesişim-bölü-birleşim ölçütü ve eniyi düzeltme masrafı (optimal correction cost) ölçütlerini tanıtacağız. Konuşma genel olarak aşağıdaki çalışmaları baz alacaktır.

K. Oksuz, B. C. Cam, E. Akbas, S. Kalkan, ‘’Localization recall precision (LRP): A new performance metric for object detection’’, In Proceedings of the European Conference on Computer Vision (ECCV), 2018.

K. Oksuz, B. C. Cam, S. Kalkan, E. Akbas, "One Metric to Measure them All: Localisation Recall Precision (LRP) for Evaluating Visual Detection Tasks", IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI), 2022.

Speaker: Dr Emre Akbaş (Orta Doğu Teknik Üniversitesi-Bilgisayar Mühendisliği Bölümü)

Emre_Akbas.pdf

3:20 PM Ara

7 Nesne Tespitinde ve Görsel Tanımada Dengesizlik Problemleri

Sınıflar, görevler ve özellikler (örneğin, nesne konumları, boyutları) çoğunlukla kuyruklu bir dağılım göstermektedir ve bu türden dağılımlar, öğrenme-tabanlı ve veriye dayalı çözümlerin performansını olumsuz etkilemektedir. Dengesizlik problemleri olarak isimlendirdiğimiz bu olumsuzluklar problemin kaynağına ve görev türüne göre farklı yöntemlerle çözülmektedir. Bu konuşmada, dengesizlik problemleri hakkında son zamanlarda yaptığımız çalışmalara değineceğim: Önce farklı dengesizlik türlerini tanıtıp, geliştirdiğimiz özgün çözümleri aktaracağım.

Konuşma, aşağıdaki çalışmalarımızı baz alacaktır:

K. Oksuz, B. C. Cam, E. Akbas, S. Kalkan, "Rank & Sort Loss for Object Detection and Instance Segmentation", International Conference on Computer Vision (ICCV), sözlü sunum, 2021.

K. Oksuz, B. C. Cam, S. Kalkan, E. Akbas, "Imbalance Problems in Object Detection: A Review", IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI), 43(10):3388-3415, 2021.

K. Oksuz, B. C. Cam, E. Akbas, S. Kalkan, "A Ranking-based, Balanced Loss Function Unifying Classification and Localisation in Object Detection", Thirty-fourth Conference on Neural Information Processing Systems (NeurIPS), spotlight sunum, 2020.

Speaker: Dr Sinan Kalkan (Orta Doğu Teknik Üniversitesi-Bilgisayar Mühendisliği Bölümü)

Sinan_Kalkan.pdf