Theses supervised by Dr. Öğr. Üyesi Selda Güney
12 theses · Başkent University
Türk işaret dilinde kelime tabanlı derin öğrenme uygulaması
İşaret dili, işitme sorunu olan kişilerin kendilerini ifade etmek için kullandıkları bir görsel iletişim şeklidir. Bu çalışmanın temel amacı, işitme sorunu olan kişilerin yaşamını kolaylaştırmaktır. Bu çalışma kapsamında, üç farklı kişiden alınan 32 sınıf için 3200 adet RGB görüntü kullanılarak bir veri seti elde edilmiştir. Veri kümelerine veri artırma yöntemleri uygulanmış, görüntü sayısı her bir sınıf için 600 adet olacak şekilde toplam 3200'den, 19200'e yükseltilmiştir. İşaretlerin sınıflandırılması için hem problemin çözümüne yönelik 10 katmanlı bir evrişimli derin ağ modeli oluşturulmuş hem de derin öğrenme yöntemlerinden biri olan aktarımlı öğrenme yöntemi kullanılarak hazır modellerden VGG166, Inception ve ResNet derin ağ mimarileri kullanılmıştır. Ayrıca derin öğrenmenin öznitelik çıkarımı tekniğinden faydalanılarak elde edilen öznitelik vektörü ile geleneksel makine öğrenme yöntemlerinden olan Destek Vektör Makineleri (Support Vector Machines, SVM) ve K- En Yakın Komşu(K- Nearest Neighbor, K-NN) yöntemleri ile sınıflandırılmıştır. Elde edilen sonuçlar zaman ve başarım oranlarına göre kıyaslanarak, en başarılı yöntem belirlenmiştir. Bu çalışmada, görsel bir dil olan Türk İşaret Dili (TİD)'ne ait durağan kelimelerin yapılan analizler sonucunda başarılı bulunan derin öğrenme yöntemlerinden biri olan aktarımlı öğrenme kullanılarak gerçek zamanlı yazılı dile çevrilmesi sağlanmıştır. Ayrıca, tasarlanan bu gerçek zamanlı sistem ile TİD durağan kelimelere ait işaretleri tanıma ve tahminini bilgisayar ekranına yazdırmasındaki başarısı değerlendirilmiştir.
Object classification on noise reduced and data augmented micro-doppler radar spectrograms
The classification of targets is one of the most challenging tasks in radar signal processing. Classifying a target can help radar operators figure out the nature of the target, such as its source and activity. However, it is very difficult to find the labeled data necessary to develop radar target classification models. Generating a radar dataset is an expensive and time-consuming process. To address these issues, we propose a noise reduction method that can be applied to micro-Doppler radar datasets. This method is carried out by averaging the spectrograms of each class in the RadEch micro-Doppler radar datasets and subtracting pixel by pixel from each sample. RadEch dataset has also been augmented with traditional and learning-based data augmentation methods. The learning-based data augmentation method was carried out by using Generative Adversarial Networks. Raw spectrograms, augmented spectrograms and noise reduced spectrograms have been classified using 5-layer CNN, VGG-16, and VGG-19. Classification results are compared with state-of-art studies. Comparison results shows that classification on noise reduced spectrograms performs better than current state-of-art methods.
Derin öğrenme ve makine öğrenmesi ile uydu görüntülerinin sınıflandırılması
Uzaktan algılama günümüzde afet tespiti, iklim değişiklikleri, kentsel değişimler gibi birçok doğal farklılığın tespitinde büyük öneme sahiptir. Teknolojideki görüntüleme alanında meydana gelen gelişmeler sonucunda uzaktan algılama günümüzde çok popüler bir konu haline gelmiştir. Gelişen teknolojilerin sağladığı en büyük fayda günümüzde uzaktan algılama için kullanılan verilerin kolay erişilebilir hale gelmiş olmasıdır. Uzaktan algılama işlemi ortamın fiziksel ve konumsal bilgileri gibi ayırt edici özelliklerinin algılanması işlemi olarak adlandırılabilir. Algılama işlemlerinde başarıyı en çok etkileyen faktörlerden birisi çözünürlüktür. Çözünürlüğün gereken seviyeden düşük olması ayırt edilmek istenen nesnelerin özelliklerinin anlaşılamaz hale gelmesine sebep olmakta ve bu nedenle ayırt etme işleminin önünde büyük bir engel teşkil etmektedir. Günümüzde derin öğrenme yöntemlerinin uzaktan algılama verilerinin sınıflandırılmasında oldukça popüler ve başarılı olduğu görülmektedir. Derin öğrenme ağları kullanılarak görüntü özelliklerinin öğrenilmesi ve sınıflandırma için gerekli özniteliklerin çıkarılması alanında başarılı sonuçlar elde edilmektedir. Uydu görüntüsü sınıflandırma işleminde karşılaşılan bir diğer problem sınıflandırma için yeterli verinin elde edilememesidir. Bu çalışmada uydu görüntülerinin sınıflandırılması için derin öğrenme ve makine öğrenmesi metotları kullanılmıştır. Yapılan analizler EuroSAT, AID ve iki veri setinin uygun koşullar altında birleştirilmesiyle oluşturulmuş bir birleşik veri seti üzerinde gerçekleştirilmiştir. Veri seti birleştirme işlemimizdeki temel amaç uydu görüntüsü sınıflandırma işleminde artan sınıf sayısına göre sınıflandırma başarısındaki değişiklikleri gözlemlemektir. Bu tez çalışması kapsamında iki veri seti derin öğrenme ağları kullanılarak ayrı ayrı analiz edilmiştir. Buna ek olarak birleşik veri seti hem derin öğrenme hem de makine öğrenmesi yöntemleri kullanılarak analiz edilmiştir. Bu işlemin amacı oluşturulan veri seti üzerinde makine öğrenmesi ve derin öğrenme temelli sınıflandırıcıların karşılaştırılmasıdır. Yapılan analizler sonucunda EuroSAT veri seti için en yüksek sınıflandırma başarısı %98.11 doğruluk oranı ile DenseNet-201 derin öğrenme ağı kullanılarak elde edilmiştir. AID veri seti için en başarılı sınıflandırıcı %96.10 doğruluk oranı ile DenseNet-201 derin öğrenme ağıdır. Çalışma kapsamında birleştirilen veri seti için yapılan analizlerde uygulanan sınıflandırma metotları arasında en başarılı sınıflandırıcı %96.20 doğruluk oranı ile yine DenseNet-201 derin öğrenme ağı olarak gözlenmektedir. Veri setleri birleştirilerek oluşturulan birleşik veri setinde başarı oranının AID veri setinde göre daha yüksek çıktığı görülmektedir.
Görüntü işleme tabanlı yüz ifadelerinden duygu analizi
Bu tez çalışmasında, gerçek zamanlı görüntülerde insan yüz ifadelerinin sınıflandırılma çalışması yapılmıştır. Gerçek zamanlı tanıma işlemini gerçeklemenin birtakım faydaları bulunmaktadır. Örnek vermek gerekirse; toplu fotoğraflarda ruh halinin analiz edilmesi bu bakımdan ilgi çekici bir örnektir. Bir etkinlik sırasında çekilmiş fotoğraflarda bulunan insanların yüz ifadelerinin algılanması, bu kişilerin genel anlamda ne derece eğlendiğine ilişkin niceliksel veri sağlayabilir. İçerik duyarlı görüntü erişimini bir diğer örnek olarak verebiliriz, söz gelimi bir veri tabanından, sadece şaşıran insanların olduğu fotoğraflara erişilebilir. Bu çalışma kapsamında; yüz ifadelerine ilişkin 7 farklı duygu sınıflanmış olup; bunlar "mutluluk", "üzüntü", "şaşkınlık", "iğrenme", "öfke", "korku" ve "nötr" olarak sıralanmaktadır. Python programlama diliyle yazılan uygulama ile FER2013, JAFFE ve CK+ veri setlerini kullanarak, farklı ifadelerde klasik makine öğrenme yöntemlerinden k-En Yakın Komşuluk ve Destek Vektör Makineleri kullanılırken, derin öğrenme yöntemlerinden aktarımlı öğrenme ile AlexNet, ResNet, DenseNet ve Inception mimarileri kullanılmış, detaylı analizler yapılmıştır. Ayrıca bu çalışmada; klasik makine öğrenme yöntemleri ve derin öğrenme mimarilerini kıyaslarken, 2 farklı uygulama ile gerçek zamanlı ve gerçek zamanlı olmayan uygulamalar da karşılaştırılmıştır. Bu çalışma, en uygun mimariye sahip derin öğrenme tekniklerine dayanan gerçek zamanlı ifade tanıma sistemlerinin, sadece bir yazılım ile bilgisayar donanımı aracılığıyla yüksek doğruluklarla uygulanabileceğini göstermektedir.
Köpeklerin uzun kemiklerinin ve uzun kemiklerindeki kırıkların sınıflandırılması
Son yılların en popüler konularından olan derin öğrenme algoritmaları, biyomedikal alanındaki problemlerin çözümünde önemli bir role sahiptir. Çeşitli görüntüleme yöntemleri ile elde edilen görüntüler kullanılarak hastalık ve kırık tespiti, biyolojik veri kestirimi, doku ve organ bölütlemesi, eksik veri tamamlanması gibi birçok uygulama bu algoritmalar sayesinde başarılı bir şekilde gerçekleştirilebilmektedir. Özellikle kemiklerdeki kırık tespiti, bu alanda en çok çalışılan konuların başında gelmektedir. Ancak bahsi geçen uygulamaların büyük bir çoğunluğu beşeri hekimlikte yer edinirken, veteriner tıpa hizmet eden uygulamalar daha geri planda bırakılmıştır. Özellikle literatürde bu alandaki eksikliğin fark edilmesi, tez konusunun en büyük motivasyon kaynağı olmuştur. Bu tez çalışması kapsamında, Ankara Büyükşehir Belediyesi Sokak Hayvanları Geçici Bakım Evi'nden alınan, köpeklere ait X-ray görüntülerini içeren geniş kapsamlı bir veri seti meydana getirilmiştir. X-ray görüntülerinden uzun kemiğin çeşidinin belirlenmesi, kırığın varlığının saptanması ve var olması durumunda da kırığın cinsine göre sınıflandırılması hedeflenmiştir. Sadece X-ray görüntülerine bakılarak kırık zamanının ve köpeğin yetişkinlik düzeyinin saptanabilmesi ise tez kapsamında yapılan diğer çalışmalar arasında yer almaktadır. Biyomedikal görüntü işleme alanındaki pek çok çalışma gibi, bu çalışmada da farklı derin öğrenme mimari karşılaştırılarak sonuçlar en iyileştirilmeye çalışılmıştır.
İnsan hareketlerinin kinect sensör kullanılarak sınıflandırılması
Son yıllarda sağlık ve güvenlik gibi birçok alanda insan hareketlerini sınıflandırmaya yönelik çalışmalar yapılmaktadır. Son yıllarda kullanım alanı daha çok gelişen görüntü işleme ve sınıflandırma algoritmaları bu alanda da kullanılmaya başlanmıştır. Bu sınıflandırma algoritmalarının öncül yöntemleri makine öğrenmesi ve derin öğrenmedir. Bu çalışmada, Kinect sensör kullanılarak elde edilen veri seti üzerinde insan hareketlerinin sınıflandırılması yapılmıştır. Kullanılan veri seti içerisinde gerçek zamanlı insan duruş bilgilerinin ve görüntülerinin bulunduğu literatürde hazır halde bulunan CAD60 veri setidir. Bu veri setinde, farklı insanların farklı hareketlerini/duruşlarını içeren veriler bulunmaktadır. Bu çalışma kapsamında, MATLAB uygulaması kullanılarak derin öğrenme tabanlı ve makine öğrenme tabanlı yöntemlerle insan hareketlerini sınıflandırma yapılmıştır. Ham veri seti üzerinde, geriye doğru öznitelik seçme (BFS) ile elde edilen verilerle ve Uzun Kısa Süreli Bellek (Long Short Term Memory – LSTM) ile öznitelik çıkarma ile elde edilen verilere makine öğrenmesi tabanlı metotlar uygulanarak sınıflandırma çalışmaları yapılmıştır. Bunu yanı sıra LSTM, Evrişimsel Sinir Ağları (Convolutional Neural Network, CNN) ile sıfırdan öğrenme (learn from scratch) ve öğrenme aktarımı (transfer learning) yöntemi ile insan hareketleri sınıflandırılmıştır. Bu altı yöntemin sonunda elde edilen başarı değerleri birbirleri ile kıyaslanmıştır ve maksimum başarı değeri LSTM ile öznitelik çıkarma yönteminde elde edilmiştir.
Bir ilin elektrik tüketim verilerinin makine öğrenmesi yöntemleri ile analizi
Elektrik dağıtım şirketleri, sahip oldukları abonelerine, elektriksel tüketimlerini "Piyasa Yönetim Sistemi" aracılığı bildirmekle yükümlüdür. Elektrik dağıtım şirketleri, ay sonu tüketim değerleri olmayan, yani okuma verisi bulunmayan tüketicilerine, tüketim değerlerini tahmin metotlarıyla bildirmektedirler. Bu tezin amacı, Enerji Piyasası Düzenleme Kurumu'nun belirlemiş olduğu ve hala kullanılmakta olan tüketim tahminleme metodolojisinin yanı sıra makine öğrenmesi yöntemleri ile tahminleme yapmaktır. Bu çalışmada, makine öğrenmesi yöntemleri kullanılarak, doğrusal regresyon ve uzun-kısa süreli bellek (LSTM) yöntemleriyle, MATLAB ortamında analizler yapılmıştır. Başarı kriteri olarak Kök Ortalama Kare Hatası (Root Mean Square Error, RMSE), kriter olarak belirlenmiş ve kullanılan yöntemlerden en başarılı sonucu doğrusal regresyon analizi yöntemi sağlamıştır. Bu kapsamda yapılan çalışmalar ile doğrusal regresyon, uzun-kısa süreli bellek ve Enerji Piyasası Düzenleme Kurumu 'nun Tahminleme Metodolojisi yöntemlerinin karşılaştırması yapılmış olup, tutarlı ve başarılı sonuçlar elde edildiği gözlemlenmiştir.
Radyosonde rasatları ile makine öğrenmesi tabanlı hava durumu kestrimi
Geçmişten günümüze hava tahmini insanlık için önem arz etmektedir. Hava tahmininin hassas gerçekleştirilebilmesi sel, tsunami vb. doğal afetlere karşı önlemler alınarak oluşacak olumsuz etkileri en düşük seviyeye indirmeyi sağlayabilmektedir. Bu çalışma kapsamında radyosonde verilerini kullanarak hava durumu kestirimi yapılmaktadır. Bu kestirimde en yüksek ve en düşük sıcaklık tahmini yapılmaktadır. Makine Öğrenmesi Algoritmaları kullanarak kestirim gerçekleştirilmiştir. Daha önce literatürde bulunan sıcaklık tahmini çalışmalardan farklı olarak 3 yıllık Radyosonde rasat verileri kullanılmıştır. Bu sayede yerden 40 km yüksekliğe kadar 1mbar aralıklarla ölçülmüş veriler ile atmosfer, literatürdeki diğer çalışmalara göre çok daha hassas olarak modellenmiştir. Bu modelde ertesi güne ait en yüksek ve en düşük sıcaklık değerleri kestirilmiştir. Bu aşamada normalizasyon ve öznitelik çıkarma veya seçmenin sonuçlara etkileri analiz edilerek tahmin için en uygun model belirlenmiştir. MATLAB ortamında gerçekleştirilen yazılım ile faklı regresyon yöntemleri karşılaştırılmıştır. Bu analizler sonucunda Gauss Süreci Regresyonu yöntemini kullanarak 1,2 Ortalama Karekök Sapması ile ertesi güne ait en yüksek sıcaklık tahmini en yüksek doğrulukla elde edilmiştir. Aynı yöntem kullanarak 2,4 Ortalama Karekök Sapması oranı ile en düşük sıcaklık tahmini yapılmıştır. Sonuçlar literatürdeki çalışmalardan daha başarılı sıcaklı tahmini yapıldığını göstermektedir.
Gaz sensörlerinde çok değişkenli kalibrasyon yöntemlerinin incelenmesi
Gaz sensörlerinin uzun süreli kullanıldığı elektronik burun (e-nose) uygulamalarında, sensörler üzerinde istenmeyen bir sapma (drift) etkisi meydana gelir. Bu etki verilerin analizinde çok etkin olup ölçüm sonuçlarının doğru analizini de engellemektedir. Gaz sensör dizilerinden oluşan farklı cihazlar arasında da benzer sapma sorunları meydana gelmektedir. Bu etkilerin azaltılması, yani gelecek verilerin daha iyi tahmin edilmesi, amacı ile kalibrasyon yöntemi geliştirerek sensörden gelecek yeni verilere karşı iyi bir tahmin performansı elde etmek mümkün olabilir. Bu çalışma kapsamında, çevrimiçi olarak erişilebilen öznitelikleri çıkarılmış hazır bir veri seti üzerinde çok değişkenli kalibrasyon yöntemlerinden olan doğrudan standartlaştırma (direct standardization-DS), ortogonal sinyal düzeltimi (orthogonal signal correction-OSC) ile parçalı doğrudan standartlaştırma (piecewise direct standardization-PDS) yöntemleri uygulanmıştır. Ayrıca yine bu yöntemler; aynı veri setinin öznitelik seçimi yapılmış haline uygulanmış ve sonuçların tümü karşılaştırılarak en başarılı yöntem, sınıflandırma başarı oranlarına bakılarak bulunmaya çalışılmıştır. Sonuçlara göre; öznitelik seçimi yapılan veri setine uygulanan kalibrasyon yöntemleri, ham veri setine oranla daha başarılı olmuştur. Böylece daha az veri ile kalibrasyonun başarılı bir şekilde gerçekleşebileceği gözlemlenmiştir. Bu çıktının gelecek çalışmalarda yeni bir perspektif yaratacağı düşünülmektedir.
İstikamet-durum bilgisi veren sistem sensörlerinin hata parametrelerinin kestirimi ve analizi
İstikamet-Durum bilgisi veren sistem, ataletsel ölçüm birimi ve manyetometre sensörlerini kullanarak bir cismin yalpalanma, yunuslama, savrulma açılarını bir düzlemi referans alarak kestirim yapmaktadır. İstikamet-Durum bilgisinin kestirimi için ileri kestirim algoritmalarından faydalanır. Sensör hataları, kestirim performansını yani sistem performansını etkileyen önemli etkenlerdendir. Bu durumda İstikamet -Durum bilgisi veren sistemin ne kadar iyi çalışacağını ataletsel ölçüm birimi ve manyetometrenin performansı belirler. Bu tez çalışmasında ataletsel ölçüm birimi ve manyetometre hata parametrelerinin kestirim çalışmalarına yer verilmiştir. Ataletsel ölçüm birimi hata kestiriminden önce sıcaklığa bağımlı hatanın telafisi için sıcaklık kalibrasyonu yapılmış, sonra hata parametrelerinin kestirimi için iki ayrı yönteme başvurulmuş ve sonuçları karşılaştırılmıştır. Önerilmiş yöntemler ayrıca denenmiş ve performansları irdelenmiştir. Manyetometrenin sert-demir ve yumuşak-demir hata parametreleri belirlenerek hataların telafisi sağlanmıştır. Hata telafisi yapılmış sonuçlar hatalı sonuçlar ile karşılaştırılıp yorumlanmıştır. Ataletsel ölçüm birimi verileri robotik seviye düşük maliyetli bir MEMS sensör modülü ile elde edilmiştir. Manyetometre verileri için düşük maliyetli hall sensörü tipi bir manyetometre kullanılmıştır.
Yere nüfuz eden radar verilerinin işlenmesi ile hedef tespiti
Yere nüfuz eden radar sistemleri yaklaşık yirmi senedir arkeoloji, jeoloji, inşaat mühendisliği alanlarında yaygın olarak kullanılan bir teknolojidir. Yere nüfuz eden radar, yüzey altındaki nesnelerin ve katmanların elektromanyetik teknikler kullanarak algılanmasını ve konumlandırılmasını sağlayan önemli bir uzaktan algılama teknolojisidir. Yerin altının görüntülenmesine ihtiyaç duyulan tüm sivil ve askeri alanlardaki ihtiyaçların karşılanması kapsamında teknolojik gelişmeler doğrultusunda sistem geliştirme çalışmaları sürdürülmektedir. Bu tez çalışmasında, radardan elde edilen verilerin işlenmesine yönelik görüntü işleme algoritma yapıları incelenmiştir. Ön görüntüleme aşamasında yapılacak görüntü iyileştirmelerinin sistem başarımın etkisine yönelik çalışmalar yapılmıştır. Sistemin gerçek zamanlı çalışmasına yönelik farklı yöntemler incelenmiş, çapraz korelasyon yöntemi ile çok hızlı ve iyileştirilmiş sonuçlar elde edilmiştir.Yapılan çalışmalarda elde edilen iyileştirmeler ile daha hızlı ve başarılı tespitlerin yapılacağı öngörülmüştür.
Performance evaluation of thoroughly adaptive particle filter (TAPF) for 3D radar tracking applications
Building 3-D Radar tracking system generally comes with issues of non-linearity on both state and motion model. In this study, several common tracking algorithms are compared performance-wise under noisy environment, mismatched model and unsteady non-linear motions considering application areas such as ground based missile guidance. A radar front end and a space-time adaptive radar data cube is processed in order to achieve realistic observations from target motion which is described as discrete time inputs for tracking algorithms. After an analogical approach between kalman-based filters, the study focuses on particle filter, which is chosen from mentioned algorithms to be enhanced based on track performance and wealth of the field of study. A thoroughly adaptive particle filter (TAPF) is proposed in order to acquire optimal filtering when the trade-off between degeneracy and impoverishment problems and inverse proportion between over-fitting and divergence, under highly non-linear and noisy environments, are considered. An important sampling proposal with kalman resemblance, which is able to keep track of multiple prior data as a quantization factor, is derived by extending the Bayes theorem on state estimations with processing dependant joint Gaussian noise. Considering the need of regressive information, an effective re-sampling scheme is designed that works in a harmony with both sampling and adaptive particle distribution process based on data likelihood. The ultimate aim of the proposed method is to be able to handle and refine the "intractable".