Image processing
285 theses under this subject heading
Yaya tespitinde kullanılan farklı çalışmaların deneysel analizi
Bu tezdeki amaç video çerçeveleri arasındaki farkların analizine dayalı olarak yayaların izlenmesi,yayaların tespiti ve yaya hareketlerini izleyen videonun farklı algoritmalar denenerek oluşturulması ve daha önce yapılan farklı benzer çalışmaların deneysel olarak analizi ve bizim oluşturduğumuz algoritmayla karşılaştırılmasıdır.Bu işlem çekilen çeşitli çekilen videolar aracılığı yapıldı.Projemiz şu adımları izlemektedir; video renkli tonlardan gri tonlara çevrildi,gri tonlarda arka plan hesaplandı, videodaki her bir kareden arka plan çıkarıldı ve çıkan bu sonuçlar normalize edilerek kmeans algoritmasına göre ikili veriye çevrildi, bulunan bu karelerin belli alandan daha küçük alana ve gürültülere sahip olanları elenerek,kalanların içlerindeki boşluklarında morfolojik işlemler kullanılarak doldurulması işlemi ile yayaların videodaki pozisyonları tespit edildi. Buna ek olarak,yaya tespiti için farklı algoritmalar üretilmiş ve test edilmiştir.Ardından, daha önce yapılmış farklı benzer çalışmaların deneysel analizi yapılmış ve bizim algoritmamızla, daha önce yapılmış farklı benzer çalışmaların karşılaştırma işlemi yapılmıştır.
Sabit görüntülerde görüntü işleme teknikleri ile orman yangını tespiti
Son istatistiklere göre [1] her yıl ortalama Dünya'da 5 milyon, Avrupa'da 550 bin, Türkiye'de ise 10 bin hektar alan, orman yangınlarında zarar görmektedir. Orman yangınları ile mücadelede erken uyarı, hızlı ve etkin müdahale çok önemlidir. Bizim çözümümüz orman yangınlarının insansız hava araçları ile tespit ve takip edilmesidir. Birçok insanız hava aracı (İHA) orman alanı üzerinde uçacak ve bir yangın olduğunda otomatik olarak tespit edip merkeze haber verecektir. İHA'lar üzerinde kamera ve bilgisayar sistemi bulunacaktır. Bu tezde hareketli platformlar üzerine kurulacak kameralı sistemler için geliştirilen orman yangınlarını bilgisayarlı görü teknikleri ile tespit yöntemi anlatılmaktadır. Burada en büyük problem kameranın hareketli, işlem gücünün az olmasıdır. Sunulan çalışmada amaç; orman yangınlarını en iyi modelleyen renk uzaylarının, özniteliklerin ve sınıflandırıcıların seçilmesidir. Yapılan işler sırası ile; veritabanındaki görüntülerde yangın ve duman bölgelerinin el ile işaretlenmesi, her bir görüntünün 7 farklı renk uzayına dönüştürülmesi ve renk kanallarının histogramlarının oluşturulması, histogramların normalize edilmesi ve benzer değerlerin gruplanarak taramalı tabloların ( look-up table ) oluşturulmasından oluşur. Taramalı tablodaki bilgiler her bir renk kanalı için değer aralığı ve yangın olma olasılığından oluşur. Görüntünün ( x, y ) noktasındaki pikselin yangın ve duman olma olasılığı her bir kanalının yangın/duman olma olasılığının çarpılması ile hesaplanır. Yangın ve duman bölgeleri işaretlendikten sonra, her bir görüntünün her bir renk kanalı ve yangın ve duman için 5 tane öznitelik çıkartılır. Bu 5 öznitelik; ortalama olasılık değeri, ortalama kenar pürüzlülüğü, toplam piksel sayısı, toplam alan sayısı ve ortalama varyansıdır. Her bir görüntü 70 boyutlu öznitelik vektörü ile temsil edilir. Çok boyutluluğun sistemin başarımını düşürmesinden dolayı çeşitli öznitelik seçme yöntemleri uygulanmıştır. Bunlar Temel Bileşenler Analizi, K-ortalama ve bağlı entropidir. En iyi öznitelikler seçildikten sonra sınıflandırma işlemi uygulanmıştır. Sunulan çalışmada çeşitli sınıflandırıcıların başarımları değerlendirilmiştir. Bu sınıflandırıcılar Destek Vektör Makineleri, K En Yakın Komşu, Yapay Sinir Ağları ve Algılayıcıdır. Sistemin başarımı 3 test ile ölçülmüştür. Bunlar en iyi renk uzayının bulunması, en iyi öznitelik setinin bulunması ve en iyi sınıflandırıcının bulunmasıdır.
Dijital kamera ve lazer işaretleyici kullanılarak görüntü işleme yöntemiyle yer değiştirmenin ölçülmesi
Görüntü işleme sistemleri günümüzde inşaat, biyomedikal, trafik, test, ölçüm vb. birçok alanda kullanılmaktadır. Özellikle inşaat mühendisliğinde karşılaşılan ve temel problemlerden birisi olan yapıların yer değişiminin ölçümü alanında kullanılması umut vaat eden sonuçlar içermektedir. Bu tez çalışmasının amacı, lazer işaretçi, dijital kamera ve temel görüntü işleme tekniklerinin kullanılmasıyla geliştirilen yazılımla birlikte yatay ve düşey eksende hareket eden bir cismin hareket profilini ve buna bağlı olarak toplam yer değiştirmesini bulmaktır. Çalışmanın yan amaçlarından biriside yapı bilimi alanında geleneksel yöntemlerle yapılan temassız yer değiştirme ölçümlerine alternatif bir yer değişimi hesaplama tekniği olarak kullanılmasıdır. Yer değişiminin belirlenmesi için bir adet yüksek çözünürlüklü dijital kamera, esas yer değişimini sağlayan özel üretilmiş sarsma tablası ve izdüşümünün kamera tarafından takip edilebilmesi için lazer işaretçi kullanılmıştır. Referans hareket profili olarak sarsma tablası tarafından uygulanan statik ve dinamik yer değişimi hareket profilleri, görüntü işleme yazılımın sonucunda bulunmaya çalışılmıştır. Bir yandan uygulanan hareket profilleri esnasında sarsma tablası pozisyonları kayıt edilirken, bir yandan da dijital kameranın video kayıtları alınmıştır. Video kayıtları sonradan işleme yöntemiyle hareket profillerine çevrilip, uygulanan hareketler için kayıt edilen sarsma tablası pozisyon verileriyle karşılaştırılmıştır. Dinamik hareketlerin benzerliği için sarsma tablası ve görüntü işleme sonucunda oluşan iki hareket profilinin öz ilintisi hesaplanmıştır. Statik hareketlerin benzerliği için ise sarsma tablasının hareketlerine göre görüntü işleme yazılımının yaptığı yüzde bağıl hata oranı hesaplanmıştır. Ayrıca sistemin başarısı kurulan çeşitli test düzenekleri ile denenmiş, referans test düzeneğine göre sonuçlar karşılaştırılmıştır. Sonuç olarak, geliştirilen sistemin sahada çalışan araştırmacılar için daha kullanışlı bir sistem olarak alternatif olacağı düşünülmektedir.
Küresel konumlama sistemi kaybı olan ortamlarda insansız hava araçları için geliştirilen alternatif seyrüsefer tekniği
İnsanlı ve insansız uçaklarda küresel konumlama sistemindeki (GPS) kayıp, uçağın seyrüseferini etkilemektedir, fakat insanlı uçaklarda pilot tarafından seyrüsefer devam edebilirken, insansız uçaklarda uçağın kırımı gibi bir sonuç ile karşılaşılabilinmektedir. Bu sebeple, küresel konumlama sistemi olmayan ortamlarda uçakların seyrüseferlerine devam edememesi en sık görülen seyrüsefer sorunlarından birisidir. GPS kaybı durumunda, ataletsel seyrüsefer sistemi (INS) ile uçaklar seyrüseferine bir süre devam edebilse bile, uçaklardaki sürüklenmeden kaynaklı konumundaki hata gittikçe artmaktadır ve uçak takip edebilmesi gereken rotadan uzaklaşmaktadır. Bu sebeple bu tezde GPS bilgisinden beslenmeyen uçak üzerine yeryüzünü görecek şekilde yerleştirilmiş faydalı yük kamerası ile insansız hava aracının (İHA) konumunu bilmesini sağlayan bir sistem geliştirilmiştir. Bir tanesi uçak üzerine yerleştirilmiş faydalı yük kamerasından, bir diğeri de uydudan alınmış GPS konumu bilinen görsellerin olduğu iki adet görüntü verileri bulunmaktadır. Çeşitli öznitelik çıkarma sinir ağı modelleri ve iki görüntü seti içerisinde normalleştirilmiş değişken ortak enformasyon kullanılarak İHA'nın konumunun tespit edebilen bir yöntem geliştirilmiştir. Uydudan gelen görüntü setindeki görseller GPS konumları ile birlikte etiketlenip, İHA aracına verilmektedir. Bu iki görüntü seti öznitelik belirleme ve sınıflandırma için kullanılan sinir ağından geçirilip, öznitelikleri belirlendikten sonra, bu öznitelikler tasarlanan iki adet sinir ağından daha geçirilmektedir. İlk sinir ağında geçirildikten sonra, uydu görsellerinin İHA'dan gelen görsellerin içinde olup olmadığı tespit edilip, eğer İHA'dan gelen görüntü içerisinde uydu görselleri var ise, ikinci sinir ağından daha geçirilip, İHA konumunun uydu görselleri üzerinden eşleştirilmesi yapılmaktadır. İkinci sinir ağından alınan sonuçlara ile birlikte iki görüntü seti içerisinde normalleştirilmiş değişken ortak enformasyon kullanılmaktadır. İkinci sinir ağından gelen konum bilgisi sonucuna, normalleştirilmiş ortak enformasyon hesabında daha fazla ağırlık verilerek, eşleşmenin maksimum olduğu bölge aranmaktadır. GPS kaybı durumunda, İHA'dan alınan görseller içerisinde önceden verilmiş etiketlenmiş uydu görselleri aranıp ve uydu görselinden gelen obje, İHA görüntüsü üzerinden tespit edildiği anda, uydu görselinin GPS bilgisi, insansız hava aracına verilmektedir. Önerilen algoritmayı test etme amacıyla İHA tarafından toplanmış görüntüler ve uydudan alınmış görseller içeren iki veri seti bulunmuş ve etiketleme işlemleri yapılmıştır. Önerilen algoritma farklı öznitelik çıkarma sinir ağları kullanılarak, İHA görüntülerinin birleştirildiği ve birleştirilmediği senaryolarda test edilmiştir. Ortak enformasyon işlemi sonrasında elde edilen sonuçların, sinir ağının çıktılarına kıyasla, ortalama kareli hata ve kesişim kümesi oranları bakımından daha üstün olduğu gözlemlenmiştir.
Jest ve mimiklerden yapay sinir ağları ile duygu sınıflandırma
Metin, resim, video ve konuşma gibi farklı veri kaynaklarından doğru duyguyu sınıflandırmak, çeşitli disiplinlerden araştırmacılar için ilham verici bir alanı olmuştur. Videolardan ve fotoğraflardan otomatik duygu algılama, denetimli ve denetimsiz makine öğrenimi yöntemleri kullanılarak üzerinde çalışılan zorlu konulardan biridir. Bu tez çalışmasında bir takım ön işleme adımları ve yeni bir derin öğrenme mimarisi ile videolardan duygu analizi yöntemi sunulmaktadır. Videolardan OpenPose aracı kullanılarak elde edilen yüz ve vücut pozisyon bilgileri modellerde kullanılmak üzere poz tanımlayıcılara dönüştürüldü, ardından LSTM ve Dönüştürücü modelleri bu veri ile eğitilerek performansları karşılaştırıldı. Ardından LSTM ve Dönüştürücü modellerine bir CNN bloğu ön katman olarak eklenmiş poz tanımlayıcılarla beslenen CNN bloğunun çıktısı LSTM ve Dönüştürücü modelleri için girdi olarak kullanıldı. Model doğruluklarını iyileştirmek amacı ile Video Çoklama, Anahtar Kare Seçimi ve Gauss Karışım Merkezi yaklaşımları ön işleme adımları olarak eklenmiş ve deneyler bu farklı yaklaşımların kombinaysonları için tekrarlandı. Yapılan kapsamlı deneylerin ardından sonuçlar karşılaştırıldı ve önerilen iki katmanlı sınıflandırıcı yapısı ve ön işleme adımlarının etkileri gözlemlendi. Sonuçlar ayrıca aynı veri kümesini kullanan güncel, yüksek doığruluk oranlarına sahip diğer yöntemlerle de karşılaştırıldı. FABO ve CK+ olmak üzere iki yaygın veri kümesi kullanılarak gerçekleştirilen deneyler, FABO veri seti için video çoklama uygulanmış CNN-Dönüştürücü yapısının %99 doğruluk oranı ile, diğer modellerden daha iyi bir performansa sahip olduğunu gösterdi. Her iki veri kümesi için de bir çok versiyonda önerilen model %90 üzerinde doğruluğa ulaşarak kayda değer başarımlar elde etti.
Derin öğrenme yöntemleri ile meyvelerin tazelik durumunun belirlenmesi
Bilindiği üzere günümüzde derin öğrenme teknolojisi yüz tanıma, ses tanıma, güvenlik sektörü, savunma sanayi gibi pek çok alanda kullanılmaktadır. Pek çok katmanlardan oluşan derin öğrenme, makine öğrenmesinin bir dalıdır. Derin öğrenme ile modele bir veri kümesi vererek çıktıların tahmin edilmesi sağlanabilir. Günümüzde meyve tazeliği önemli sağlık, çevre ve ekonomik sorunlardan biridir. Bu çalışmada seçilen üç meyve; elma, portakal ve muz üzerinde çalışmalar yapılmıştır. Çalışmada iki tane VGG16 baz alınarak model geliştirilmiş ve iki tane VGG19 baz alınarak model geliştirilmiştir. Bu geliştirilen modeller, elde bulunan üç meyve türünün veri setleri üzerinde test edilerek en iyi sonucu hangisinden alınabileceği saptanmış ve modeller birbiri ile kıyaslanmıştır.
Histopatolojik meme kanseri görüntülerinin derin öğrenme yöntemleri ile sınıflandırılması
Görsel verilerin işlenmesi son yıllarda özellikle medikal alanda sıklıkla kullanılmaktadır. Yapay zekânın bir alt dalı olan derin öğrenme yöntemleri, görüntü işleme yöntemleri ile birlikte kullanılarak; doku analizi ve hastalıkların otomatik sınıflandırılması başta olmak üzere birçok alanda başarılı bir şekilde uygulanmaktadır. Derin öğrenme, bir dönem mevcut donanımların yetersiz kalması sebebiyle durgunluk noktasına gelmiş fakat 2000'li yıllar ile birlikte tekrar popüler bir alan olmaya başlamıştır. GPU gelişmeleriyle birlikte sığ yapay sinir ağlarından derin yapay sinir ağlarına geçiş yapılmıştır. Katmanlar arasında gerçekleşen geri yayılım algoritmaları sayesinde büyük veri kümelerindeki gizli ve ayırt edici özellikler keşfedilmektedir. Bu da yapay sinir ağlarının ve derin öğrenme yöntemlerinin etkinliğini ortaya çıkarmaktadır. Bu çalışmada BreakHis veri setinde yer alan histopatolojik meme kanseri görüntüleri, görüntü işleme ve derin öğrenme yöntemleri kullanılarak sınıflandırılmıştır. Aynı zamanda literatürde yapılan çalışmalar da incelenmiştir. Tezin amacı, özellikle kadınlarda son yıllarda oldukça sık rastlanan meme kanseri hastalığının erken ve doğru teşhisi için otomatik bir yöntem sunulmasıdır. Bu sayede gerçekleştirilen çalışmalar neticesinde tıp uzmanlarına alacakları kararlarda destek olacak nitelikte bir çalışma ortaya konmuştur. Anahtar Kelimeler: Görüntü İşleme, Yapay Zekâ, Derin Öğrenme, Yapay Sinir Ağları, Histopatolojik Görüntüler, Meme Kanseri.
Görüntü işleme teknikleri kullanılarak göz kırpma hareketleriyle tekerlekli sandalye simülatörü kontrolü
Görüntü işleme, bilgisayarla bütünleşik olarak birçok endüstriyel ve teknolojik uygulamalarda kullanılabilen bilgisayar çalışmasıdır. Dijital ortama aktarılan görüntülerin sayısal verileri kullanılarak iyileştirilmiş veya değiştirilmiş birbirinden farklı görüntüler elde edilebilmektedir. Aynı zamanda görüntü işleme tekniklerinden faydalanılarak nesne tanıma işlemleri de gerçekleştirilebilmektedir. Görüntü işleme sistemi yüz tanıma sistemlerinde sahteciliğe karşı koruma için de kullanılabilir. Göz kırpılmalarının algılanması, operatör olarak çalışan kişilerin dikkatini izleyen sistemlerde önemlidir. Bu çalışmada, görüntü işleme teknikleri kullanılarak tespit edilen yüz bölgesinden OpenCv ve Dlib kütüphaneleri kullanılarak göz ve kaş unsurları ayrıştırılıp elde edilen veriler işlenmeye çalışılmıştır. Python programlama dili ile yazılım algoritmaları oluşturulmuştur. Yapılan filtrelemeden elde edilen göz kırpma algılama işlemleri göz bölgesinde herhangi bir rahatsızlık olmayan kişiler üzerinde test edilmiştir. Farklı ışık Lüx değerlerine sahip ışık ortamlarının göz kırpılmalarına olan etkileri Arduino ile geliştirilen LDR sensörü ile hesaplanmıştır. Aynı zamanda ışık kaynağının bulunduğu açının yüz hatlarının ve göz kırpılmalarına etkileri gözlemlenmiştir. Kamera açısının ve mesafesinin göz kırpılmalarının hesaplanmasına olan etkileri hesaplanmıştır. Uzun deneysel çalışmalar sonucunda elde edilen verilerin Raspberry Pi modülüne gönderilip hazırlanan algoritmalar ile tekerlekli sandalye yerine geçecek mini robotun kontrolü sağlanmıştır.
Pirinç çeltiğinin çekilmesi sonucu elde edilen pirinç tanelerinin sınıflandırılması işleminin makine öğrenmesi ile gerçekleştirilmesi
Günümüzde pirinç çeltiğinin çekilmesi sonucu kabuğundan ayrılan pirinç tanelerinin sınıflandırılması el ile yapılmaktadır. Bu yöntem ilgili sektörde zaman kaybı ve iş gücü verimsizliğine neden olarak ekonomik kayıplara yol açmaktadır. Bu soruna çözüm üretmek amacıyla daha önceden çekilmiş pirinç tanelerin makine öğrenmesi yöntemiyle sınıflandırılması bu tez sonucunda amaçlanmaktadır. Söz konusu sınıflandırılma işlemi için makine öğrenmesi yöntemlerinden faydalanılmıştır. Makine öğrenmesi yöntemleriyle ile makineler ses, görüntü, sinyal, metin gibi verileri kullanarak sınıflandırma, nesne tanıma, ses tanıma ya da dil çevirileri gibi özelleşmiş görevleri en az hatayla yerine getirir duruma gelmişlerdir. Son yıllarda makine öğrenme yöntemlerinin sürekli geliştirilmesiyle görüntü işleme, ses işleme ve robotik gibi alanlara bu yöntemler önemli bir yer bulmuştur. Bu tezde kullanılan makine öğrenmesi yöntemleri ile ilgili sektörde zaman kaybı ve iş gücü verimsizliğinin giderilmesi hedeflenmekte, ilerleyen süreçlerde sınıflandırılmaya ihtiyaç duyulan diğer sektörlerde de mevcut sorunların giderilmesine katkıda bulunulacak çalışmalara temel oluşturması amaçlanmaktadır. Tezde pirinçlerin fotoğraflanması ve parçalanması süreci ayrıntılı biçimde anlatılmıştır. Parçalanma sürecinde Sobel Kenar Bulma Algoritması'ndan faydalanılmıştır. Pirinçlere ait görüntülerin özelliklerinin çıkarılmasında, boyut kestirimi, RGB, HSL, HSV, CIEXYZ, CIELAB renk uzayları ve değerlerinin tespiti ve GLCM özellik vektörü ile ilgili ayrıntılı bilgilere yer verilmiştir. Teze ismini veren makine öğrenmesi bahsinde kullanılan yöntemler Karar Ağaçları (Decision Tree), Destek Vektör Makineleri (Support Vector Machine), Naive Bayes, K En Yakın Komşu Algoritması (K-Nearest Neighborhood Algorithm) ve Derin Öğrenme Yöntemi (Deep Learning) olmuştur. Bu modellere ait bilgiler ile uygulamada nasıl kullanıldıkları ve uygulamaya ilişkin sonuçlar son bölümde paylaşılmıştır. Tez sonucunda uygulanan makine öğrenmesi yöntemlerine ait sonuçlar karşılaştırmalı olarak gösterilmiş ve en başarılı makine öğrenmesi yöntemi İkinci Dereceden Destek Vektör Makineleri olmuştur.
Çoklu eksen hareket kabiliyetli dijital mikroskop altyapısından elde edilen görüntülerin füzyonlanması
Yüksek çözünürlükte mikroskobik görüntülerin geniş alanlarda kesintisiz biçimde analiz edilebilmesi, optik, mekanik ve yazılımsal bileşenlerin bütüncül bir sistem olarak tasarlanmasını gerektirmektedir. Bu bağlamda geliştirilen dijital mikroskop altyapısı, çoklu eksen hareket kabiliyetine sahip bir mekanik yapı ile donatılmış ve görüntüleme sürecinde çekim alanı optimizasyonu, bindirme oranlarının hesaplanması, koordinat sistemlerinin tanımlanması gibi parametrelerle entegre edilmiştir. Otomatik çekim algoritmaları sayesinde sistem, yüksek hassasiyette ve sistematik bir şekilde görüntü yakalama işlevini gerçekleştirmektedir. Görüntü işleme aşamasında SIFT, ORB ve AKAZE gibi özellik çıkarımı algoritmaları kullanılarak, örtüşen bölgeler arasındaki benzerlikler tespit edilmiş ve homografi modellemesi ile geometrik hizalama sağlanmıştır. Multiband blending gibi gelişmiş füzyon yöntemleriyle yüksek kaliteli ve görsel sürekliliği yüksek birleşik görüntüler elde edilmiştir. Sistem mikroskobik düzeydeki detayları daha geniş bir perspektiften ortaya koyarak hem tanısal hem de yapısal analizlerde daha güvenilir ve karşılaştırılabilir veriler üretmektedir. Bu yaklaşım ile özellikle biyomedikal görüntüleme, malzeme karakterizasyonu ve mikroyapısal analizlerde büyük ölçekli ve yüksek doğruluklu veri ihtiyacını karşılamak üzere tasarlanmıştır.
Transfer derin öğrenme metotları ile yüz ifadelerinden kişi tanıma
Kişilerin resimler ve videolar üzerinden tanınması son yıllarda giderek artan bir şekilde araştırma konusu yapılmaktadır. İlk dönemlerde güvenlik kaygıları ile geliştirilen yüz ve nesne tanıma teknolojileri, günümüzde eğlence ve ekonomik fayda sağlamak amacı ile daha fazla önem kazanmıştır. Mobil cihazların toplumun hemen her bireyi tarafından yaygın olarak kullanılması sonucu, mobil cihazlarda yer alan hem güvenlik birimlerinde hem dijital görüntülere ait çeşitli yazılımlarda mobil cihaz üreticisi firmaların rekabette öne geçme çabaları, kişi tanıma algoritmalarına olan ilgiyi arttırmaktadır. Yüz tanıma algoritmaları üzerine yapılan çalışmalarda, son dönemde büyük veriler ve karmaşık hesaplamalar gerektiren görüntü işlemede oldukça önemli başarı sağlayan derin öğrenme teknikleri oldukça yaygın bir kullanıma sahiptir. Bu çalışmada da yüz tanımada Alexnet, Vgg16, Vgg19, Resnet50 ve Resnet101 derin transfer yöntemleri kullanılmıştır. Yöntemlerin test edilmesi için ORL veri seti kullanılmıştır. En yüksek başarı %99,1 ile Resnet101 modeli ile gözlenmiştir. En düşük başarı ise Vgg modeller ile elde edilmiştir.
İHA ile meyvelerin olgunlaşmasının takibi ve çürük teşhisi
Tarım, insanlar için temel bir üretim sektörü olarak kabul edilmekte olup, sürekli olarak teknolojik ilerlemeler sayesinde önemli gelişmeler kaydetmiştir. Tarım, ülkelerin kalkınmasında etkili bir unsurdur nitekim ekonomisi tarıma dayalı olan bir çok ülke vardır. Tarımsal ekonomik ilerlemenin artırılabilmesi için modern ve teknolojik yöntemlerin kullanılması gerekmektedir. Bunun sonucunda tarımsal verimde önemli bir artış sağlanır ve ülkelerin ekonomisine büyük destek olur. Meyvelerin verimliliğin artırılması, olgunlaşmış ürünlerin kalitesini ve miktarını iyileştirerek tüketicilerin fiziksel sağlığını ve satın alma motivasyonlarını etkileyebilir. Ayrıca, piyasa fiyatının belirlenmesinde de önemli bir faktördür. Bu tez çalışması, tarım sektöründe meyve tespiti, analizi ve sayımı konularında YOLOv8 evrişimsel yapay sinir ağı modelinin etkinliğini araştırmaktadır. Çalışmada toplam 2223 görsel kullanılarak dört farklı meyve türü olan Elma, Portakal, Muz ve Nar sınıfları üzerinde çalışılmıştır. Modelin belirgin başarısı, özellikle meyvelerin olgunlaşma aşamalarını doğru bir şekilde belirleme yeteneği olarak öne çıkmaktadır. Eğitim süreci 60 döngü boyunca gerçekleştirilmiş olup, öğrenme hızı 2,5 ms olarak belirlenmiştir. Eğitim sürecinde modelin kayıp değeri sürekli olarak azalırken doğruluk değeri artmıştır. Detaylı değerlendirmeler sonucunda, modelin meyve türleri bazında başarı oranları şu şekildedir: Elma için %95,3, Portakal için %98,9, Muz için %93,8 ve Nar için %98,8. Modelin genel başarı oranı %97,09 olarak hesaplanmıştır, bu da modelin karmaşık ve değişken meyve özelliklerini doğru bir şekilde sınıflandırma yeteneğini vurgulamaktadır. Elde edilen sonuçlar, YOLOv8 modelinin tarım sektöründeki meyve tespiti ve sınıflandırma görevlerinde güvenilir bir performans sergileyebildiğini ve çeşitli meyve türlerini başarıyla ayırt edebildiğini göstermektedir. Ayrıca, İnsansız Hava Aracı (İHA) tarafından elde edilen görüntülerin deneysel analizi, YOLOv8 modelinin tarımsal uygulamalarda etkin bir şekilde kullanılabilirliğini ortaya koymuştur. Model, farklı meyve konumlarındaki tespiti, nitel analizi ve sayımını içeren çeşitli tarımsal uygulamalarda başarı elde etmiştir. Bu bulgular, modelin tarım sektöründe İHA görüntülerini analiz ederek meyve tespiti konusunda güvenilir bir performans sergilediğini ve tarımsal uygulamalarda etkili bir araç olarak kullanılabileceğini vurgulamaktadır.
Derin öğrenme ile güneş panellerinde toz tespiti
Günümüzde, güneş enerjisi, temiz ve sürdürülebilir bir enerji kaynağı olarak önem kazanmıştır. Ancak güneş panellerinin verimliliğini etkileyen faktörler arasında panel yüzeyinde biriken kirlerin etkisi önemli bir yer tutmaktadır. Bu tez, transfer öğrenme yöntemleriyle kirli ve temiz güneş panellerinin sınıflandırılması üzerine odaklanmaktadır. Güneş panellerinin temizlik durumunun belirlenmesi, bakım stratejilerinin optimize edilmesi açısından kritik bir öneme sahiptir. Bu çalışmada, güneş enerjisi sistemlerindeki verimliliği artırmak amacıyla, özellikle kirli ve temiz güneş panellerini sınıflandırmak için transfer öğrenme yöntemleri incelenmektedir. Güneş panellerinin yüzeyinde biriken kir, çeşitli faktörlerden kaynaklanabilir ve bu kirin temizlenmemesi, enerji verimliliğini azaltabilir. Bu nedenle, güneş panellerinin durumu hakkında hızlı ve doğru bir sınıflandırma yapabilen otomatik bir sistem, bakım süreçlerini optimize etmek için kritik öneme sahiptir. Bu tezde, transfer öğrenme, önceden eğitilmiş derin öğrenme modellerini kullanarak, sınırlı sayıda etiketli veriyle yeni bir görevi çözmek amacıyla değerlendirilmiştir. Çeşitli önceden eğitilmiş modeller (EfficientNetB3, ResNet50, MobileNet, VGG19, Xception, InceptionResNetV2, VGG16, ResNet101, DenseNet201, EfficientNetB7) üzerinde transfer öğrenme yöntemleri uygulanarak, güneş panellerinin temizlik durumunu belirlemek için yeni bir model oluşturulmuştur. Çalışmada, modeller oluşturulmuş, eğitilmiş ve test edilmiştir. Ayrıca, farklı modellerin doğruluk oranları karşılaştırılmış ve en iyi performans gösteren modeller belirlenmiştir. Belirli modellerin tahminlerini birleştirerek ve bu birleşik tahminlerle gerçek etiketleri karşılaştırarak en iyi model kombinasyonlarını belirlemeye yönelik bir analiz gerçekleştirilmiştir. Böylece, özellikle farklı modellerin güçlü yanlarını birleştirerek daha güçlü bir sınıflandırma sonucu elde etmeye çalışan bir transfer öğrenme yaklaşımı oluşturulmuştur. Sonuç olarak, bu tez çalışmasında güneş panellerinin temizlik durumlarını tespit etmek için etkili bir transfer öğrenme modeli geliştirilmiştir. Elde edilen modeller, güneş enerjisi sistemlerinin bakım süreçlerini optimize etmek, enerji verimliliğini artırmak ve uzun vadede sürdürülebilir enerji kullanımını desteklemek için potansiyel bir katkı sağlanması hedeflenmektedir.
Otonom araçlar için derin öğrenme tabanlı şerit tespit modellerinin performans karşılaştırması
Otonom sürüş sistemleri, modern ulaşım teknolojilerinin en önemli gelişmelerinden biri olarak kabul edilmektedir. Bu sistemlerin güvenli ve etkili bir şekilde çalışabilmesi için çevresel algılama ve özellikle şerit tespiti gibi kritik görevleri başarıyla yerine getirmesi gerekmektedir. Bu tez çalışması, otonom sürüş sistemlerinde şerit tespiti için derin öğrenme tabanlı yaklaşımları ele almaktadır. Bu tez çalışmasının temel amacı, U-Net, SCNN, ENet ve ENet-SAD gibi dört farklı derin öğrenme mimarisinin şerit tespit performansını karşılaştırmalı olarak analiz etmektir. Bu amaçla, hem yaygın olarak kullanılan TuSimple veri seti hem de özgün olarak oluşturulmuş bir veri seti kullanılmıştır. Modeller, doğruluk, hassasiyet, duyarlılık, F1-skoru ve IoU gibi çeşitli başarı metrikleri ile değerlendirilmiştir. Ayrıca, modellerin görsel çıktıları üzerinden nitel bir analiz de yapılmıştır. Elde edilen sonuçlar, SCNN modelinin her iki veri kümesi üzerinde de genel olarak en yüksek performansı gösterdiğini ortaya koymuştur. SCNN, özellikle karmaşık yol yapıları ve değişken koşullar altında şeritleri doğru bir şekilde tespit etme yeteneğiyle öne çıkmıştır. Bununla birlikte, SCNN'nin görece olarak yüksek işlem süresi, gerçek zamanlı uygulamalar için bir dezavantaj olarak kabul edilebilir. U-Net modeli ise SCNN'ye kıyasla daha düşük doğruluk oranına sahip olmasına rağmen, önemli ölçüde hızlı bir çıkarım süresi sunmuştur. Bu özellik, U-Net'i gerçek zamanlı uygulamalar için uygun bir aday haline getirmektedir. ENet ve ENet-SAD modelleri ise diğer iki modele kıyasla daha düşük performans göstermişlerdir. Ancak, daha hafif ve daha az hesaplama gücü gerektiren yapıları, kaynak kısıtlı ortamlarda kullanılmalarını mümkün kılmaktadır. Özgün veri kümesi üzerinde elde edilen sonuçlar, TuSimple veri kümesi üzerindeki sonuçlarla büyük ölçüde uyumluluk göstermiş ve modellerin performansının farklı veri kümeleri üzerinde de genellenebilir olduğunu göstermiştir. Bu tez çalışması, otonom sürüş teknolojisinin gelişimine ve şerit tespiti alanındaki araştırmalara katkı sağlayacağı düşünülmektedir.
Kültür mantarlarında yaygın görülen hastalıkların derin öğrenme yöntemi ile sınıflandırılması
Bu tez çalışmasında, Agaricus bisporus (kültür mantarı) üretiminde yaygın olarak görülen dört farklı hastalık durumu ile bunlara ek olarak hastalık bulunmayan sağlıklı durumun (sağlıklı, bakteriyel leke, örümcek ağı, kuru kabarcık ve yaş kabarcık) görüntü tabanlı olarak sınıflandırılmasına yönelik bir derin öğrenme tabanlı sistem önerilmiştir. Çalışmada, beyaz, ultraviyole (UV) ve karma (beyaz+UV) olmak üzere üç farklı aydınlatma koşulunda özel olarak oluşturulan görüntü veri setleri kullanılarak, 20 farklı ön eğitimli evrişimli sinir ağı (CNN) mimarisi değerlendirilmiştir. Görüntüler, bu çalışmaya özgü olarak tasarlanan ve beyaz, UV ve karma ışık senaryolarını kontrollü biçimde sağlayabilen özel bir görüntüleme kabininde elde edilmiştir. Her bir model, doğruluk (accuracy), duyarlılık (recall), kesinlik (precision), F1 skoru, ROC AUC, PR AUC, özgüllük, Matthews korelasyon katsayısı (MCC), logaritmik kayıp ve bileşik değerlendirme ölçütü (BDÖ) gibi çok sayıda metrikle performans açısından analiz edilmiştir. BDÖ, karar verme sürecine destek olması açısından beş temel metriğin ağırlıklı ortalamasına göre hesaplanmıştır. Elde edilen bulgulara göre, her üç aydınlatma ortamında da en başarılı sonuçlar ResNet-50 modeli tarafından elde edilmiştir. Beyaz ışık ortamında genel sınıf ayrımı daha net gerçekleşmiş, karma ışık ortamı bazı metriklerde dengeli başarı sunarken, UV ışık bazı sınıflarda kararsızlık oluşturmuştur. Sınıf bazlı analizler, sağlıklı ve örümcek ağı sınıflarında yüksek sınıflandırma doğruluğu sağlandığını, buna karşılık bakteriyel leke ve yaş kabarcık sınıflarında bazı modellerin karışıklık yaşadığını göstermiştir. Karmaşıklık matrisleri, ROC ve PR eğrileri üzerinden yapılan görsel analizler, modellerin sınıflar arası ayrım yetkinliğini detaylı biçimde ortaya koymuştur. Bu bağlamda, hem kullanılan model mimarisinin derinliği hem de veri toplama sürecinde kullanılan aydınlatma koşulları, sınıflandırma başarımını doğrudan etkilemiştir. Sonuç olarak, bu çalışma kültür mantarı üretiminde görüntü tabanlı hastalık tanısının uygulanabilirliğini ortaya koymakta; geliştirilen sistemin erken teşhis, otomatik izleme ve akıllı tarım uygulamaları açısından yüksek potansiyele sahip olduğunu göstermektedir.
Zincir eğrisi ve ivmeölçer kullanarak kamera kalibrasyonu
Kameralar gerçek uzayı görüntü düzlemine yansıtan algılayıcılardır. Bu yansıtımı belirleyen, kamerada içkin olan belirli parametrelerin kamera kalibrasyonu aracılığıyla saptanması, görüntüdeki noktaların açısal ilişkilerini hesaplamaya ve uzamsal ölçümler yapmaya olanak tanır. Bu amaç için fiziksel ölçüleri bilinen nesnelerden yararlanılır. Bu nesnelerin ulaşılabilir malzemelerle kolayca üretilebilir olması ve az yer kaplaması bir üstünlüktür. Bu doğrultuda malzeme olarak yalnızca bir zincirin kullanıldığı özgün bir kalibrasyon yöntemi tez içerisinde önerilmiştir. İki ucundan asılan bir zincir, yerçekimi altında zincir eğrisi adında düzlemsel bir bölge oluşturmaktadır. Daha geniş düzlemsel bölgeler oluşturmak için yalnızca zincirin uzunluğunu artırmak yeterli olduğundan yöntem kalibrasyonda odaksızlık sorununu da çözmektedir. Yapılan kalibrasyonlarda yaygın olarak kullanılan dama tahtası ile benzer keskinlikte sonuçlar elde edilmiştir. Diğer yandan mobil cihazlar gibi kamera donanımına sahip aygıtlar, yerçekimi doğrultusunu algılayan ivmeölçer de barındırırlar. Görüntüdeki dikey ya da yatay yapılarla ivmeölçerden edinilen yerçekimi yönü arasındaki ilişkiden yola çıkarak ikinci bir özgün kalibrasyon yöntemi tez içerisinde önerilmiştir. Dışsal bir nesneye gereksinim duymaması önerilen yöntemin uygulanabilirliğini artırmıştır. Önerilen yöntemle elden edilen sonuçların keskinliğinin yaygın olarak kullanılan ve son yıllarda geliştirilen yöntemlerin üzerine çıktığı görülmüştür.
Multimodal machine comprehension of how-to instructions with images and text
In the blink of an eye, we understand what we are looking at. Most of our brain is organized to process the visual information we receive; thus, replicating human intelligence requires a complete understanding of human vision. But, is understanding vision enough to understand human intelligence? Probably not. Besides our visual perception skills, language is an essential and unique ability and a natural way of communication for humans. For thousands of years, humankind has been telling stories and giving instructions through spoken language. One of the earliest written forms of language is instructions, specifically food recipes. These instructions not only help us understand what the people of that time ate but also teach us how they used to live their lives. Instructions have been around us for centuries, be it in the form of recipes, or how-to guides, written on stone tablets or books, or else published on the web. How-to instructions with images and text are perfect candidates for understanding human intelligence, and understanding them is an important, intriguing research problem to solve. Modern how-to guides of any form almost always contain multimodal information, such as images, videos, and text. Instructions are key to understanding and replicating a process, and how-to guides are great sources of instruction, as we can replicate the same process by just following the guide. Furthermore, how-to instructions often involve a joint understanding of multiple modalities of information e.g. images and text. However, they are also very challenging to understand as they often contain multimodal information such as images and text, consist of multiple objects and entities as well as require a procedural understanding of actions and interactions between such entities often referred in from one modality into another. How-to guides such as cooking recipes, typically consist of multiple steps involving various objects and entities, most of which interact with each other through different actions. Considering an action as a combination of a verb and an object or entity, being able to generalize to unseen compositions of these action compounds pose a great challenge. In this regard, understanding how visually grounded textual instructions might help models' systematic generalization abilities remains an important research problem. In this thesis, we examine multimodal machine comprehension of how-to instructions with images and text, review related literature, and point out current challenges. We also propose methods to address some of these challenges and ways to improve upon existing approaches. The main contributions of this thesis can be summarized as follows. We investigate machine comprehension and reasoning problems and review the previous literature to lay the grounds for understanding multimodal how-to instructions. We survey compositional generalization literature, highlight current research challenges, and discuss its relation to understanding multimodal how-to instructions. We introduce a multimodal benchmark how-to instructions dataset comprised of cooking recipes with images and text. We propose novel methods for understanding multimodal procedures. Finally, we present a challenging multimodal compositional generalization setup and propose methods to benchmark and show multimodality's contribution to significantly improve the current state of the art in understanding multimodal how-to instructions and conclude with future research directions and discuss open challenges.
Gerçek zamanlı görüntü işleme ile sınıf ortamındaki öğrencilerin tanınması ve dikkat dağınıklıklarının tespiti
Tezin amacı, bir sınıf ortamında bulunan öğrencilerin kamera ile gerçek zamanlı olarak izlenmesi, kafalarının tespit ve takip edilmesi, yüz tanıma ile kim olduklarının tahmin edilmesi ve kafa yönlerinden hareketle dikkat dağınıklığı oranlarının tespitidir. Bu amaçla OpenCV ve Dlib görüntü işleme ve makine öğrenmesi kütüphaneleri kullanılarak C++ yazılım dili ile gerçek zamanlı çalışan bir uygulama geliştirilmiştir. Uygulamanın yüz tanıma bölümünde dikkat dağınıklıkları incelenecek her bir öğrenci için yüz tanıma eğitim kümesi oluşturulabilmektedir. Kamera karşısındaki öğrenci değişik kafa pozisyonları ve mimikler yaparken uygulama her 5 saniyede bir öğrencinin yüzünün fotoğraflarını çekip kaydetmektedir. Yüz fotoğraflarını içeren bu eğitim kümesi kullanılarak Yerel İkili Örüntüler yöntemi ile yüz tanıma modeli oluşturulmaktadır. Kafa yönünün ve dikkat dağınıklığının tespiti bölümünde ise her bir öğrenci için Perspective-n-Point problemi çözülerek öğrencilerin kafalarının x, y ve z eksenlerindeki dönme açıları (pitch, yaw ve roll) bulunmaktadır. Öğretmenle aynı doğrultuda bulunan bir kameraya doğru bakmakta oldukları varsayılan öğrencilerin kameraya doğru baktıklarında dikkatli oldukları kabul edilerek dikkat dağınıklıkları anlık olarak belirlenmektedir. Yüz tanıma ve kafa yönü açılarının başarıları UPNA Head Pose Database ile test edilmiş, gerçekleştirilen testler sonrasında yüz tanımada en başarılı sonucu veren Yerel İkili Örüntüler yöntemi tercih edilmiştir. Görüntü işlemeye dayalı kafa yönü açılarını bulma yöntemi ise sensörlerle ölçülen açılara yakın sonuçlar vermiştir. Dikkat dağınıklığı tespitinin başarısını ölçebilmek için yine UPNA Head Pose Database kullanılmıştır. Bu veritabanındaki videolardan çıkarılan rastgele 1000 fotoğraftan her biri 5 farklı kişi tarafından "Dikkatli" veya"Dikkatsiz" olarak işaretlenmiş, işaretlenen bu veri kümesinin yarısı eğitim yarısı da test kümesi olarak belirlenmiştir. Dikkat dağınıklığı sınıflandırıcıları etiketlenmiş veri kümesiyle eğitilmiştir. Sınıflandırıcı olarak Rastgele Orman, Karar Ağacı, DVM ve En Yakın Komşu makine öğrenmesi algoritmalarıyla denemeler yapılmıştır. En yüksek oran %72.4 doğrulukla DVM ile elde edilmiştir.
Dijital görüntü korelasyonu yöntemi ile gerilme ve yer değiştirmelerin belirlenmesi
Gerilme ve yer değiştirme inşaat mühendisliği laboratuvar uygulamalarında en önemli iki parametredir. Bu parametrelerin belirlenmesinde genellikle mekanik temelli ölçüm teknikleri kullanılmaktadır. Teknolojinin her geçen gün biraz daha ilerlemesiyle mevcut ölçüm tekniklerine alternatif olarak yeni ölçüm teknikleri geliştirilmektedir. Bu tez çalışmasında, inşaat mühendisliği laboratuvar uygulamalarında gerilme ve yer değiştirmelerin belirlenmesinde geleneksel ölçüm tekniklerine alternatif olarak optik temelli bir ölçüm tekniği olan dijital görüntü korelasyonu (DIC) yönteminin kullanılabilirliği araştırılmıştır. Bu amaçla iki farklı boyutta 14 adet kiriş numunesi ve 5 adet duvar numunesi olmak üzere toplamda 19 adet numune üzerinde ölçüm yapılmıştır. Kiriş numunelerinden 7 tanesi donatılı betonarme kiriş olarak, diğer 7 tanesi donatışız olarak üretilmiştir. Kirişlerin beton karışımlarında çeşitli oranlarda (%0; %0,2; %0,4; %0,6) makro sentetik fiber lif (MSF) katkısı kullanılmıştır. Duvar numuneleri tek yüzü veya çift yüzü sıvalı ve sıvada plastik kompozit donatı (geogrid) kullanım durumuna göre çeşitli özelliklerde üretilmiştir. Üretilen kirişler üzerinde üç noktalı eğilme deneyi, duvarlar üzerinde ise diyagonal yükleme deneyi uygulanmış ve numunelerde meydana gelen yer değiştirmeler 1 adet geleneksel deformasyon ölçerle (LVDT- Linear variable differential transformer) ve DIC yöntemiyle ölçüm için yüksek çözünürlüklü dijital kamera ile kaydedilmiştir. LVDT ve DIC ölçümleri ile elde edilen bulgular kıyaslanarak inşaat mühendisliği laboratuvar uygulamalarında yer değiştirmelerin ölçümü için DIC yönteminin kullanılabilirliği araştırılmıştır. Ayrıca yükleme deneyleri sırasında numunelerin yüzeyinde meydana gelen gerilme değişimleri DIC yöntemiyle görselleştirilmiştir. Numune yüzeylerinde oluşan çatlakların gelişimi görsel olarak analiz edilmiştir. DIC ve LVDT ölçüm sonuçları değerlendirildiğinde, her iki yöntemle elde edilen yer değiştirme değerlerinin birbiriyle uyum içerisinde olduğu tespit edilmiştir. Numune yüzeylerinde meydana gelen gerilme değişimlerinin görselleştirilmesinde DIC yönteminin kullanılabileceği ortaya koyulmuştur.
İki robot kollu sistemde görüntü işleme ve genetik algoritma kullanarak çarpışma önleme ve görev paylaşımının optimizasyonu
Bu çalışmada, seçme amacıyla kullanılan bir konveyör bandının üzerindeki cisimlerin konumları, bir kamera ile çekilen fotoğraflar işlenerek elde edilmiştir. Konumları belirlenen objeleri toplamak için karşılıklı konumlandırılan iki adet robot kolun hareketi genetik algoritma ile planlanmıştır. Çalışma iki ana modülden oluşmaktadır. İlk modül, gerçek görüntülerin işlendiği ve cisimlerin konumlarının belirlendiği görüntü işleme modülüdür. Bu amaçla geliştirilen "Metrik" ismini verdiğimiz görüntü işleme algoritması ve YOLOv4 algoritması kullanılmıştır. İkinci modül robotlara iletilecek, 4 farklı amacı gerçekleştiren, en uygun hareket planının genetik algoritma ile hesaplandığı bölümdür. Bu amaçlar; robot kolların çarpışmasının engellenmesi, eşit sayıda cisim almaları, kat edilecek toplam yolun kısaltılması ve yolların birbirine eşit olmasıdır. Bu hedeflere genetik algoritmanın ulaşabilmesi için bir başarı puanı hesaplama formülü geliştirilmiştir. Bu hedefler için en yüksek toplam başarı puanı veren hareket planı robot kollara iletilerek çarpışmaları engellenmiş, görev süreleri azaltılmış ve çalışma ömürleri arttırılmıştır. Sonuç olarak, hedef cisimlerin tanınması ve konumlarının belirlenmesi için "Metrik" ve YOLOv4 algoritmaları karşılaştırılmıştır. YOLOv4 algoritması "Metrik" den yaklaşık 100 kat daha hızlı, milisaniyeler düzeyinde cisimleri tanımış ve konumlarını belirlemiştir. Genetik algoritma kullanılmadan yapılan görev dağılımlarında, robot kolların çarpıştığı, görev dağılımın dengesiz olduğu görülmüştür. Genetik algoritma ile yapılan optimizasyon sonrasında yük dağılımı, kat edilen yol dengeli hale gelerek kollar çarpışmamıştır. Elde edilen sonuçlarda, optimizasyon öncesine göre kat edilecek mesafe %25 azalırken, başarı yaklaşık %30 artmıştır. Önerilen yöntemde hedef cisimlerin konumları başarılı bir şekilde belirlenmiştir ve robot kollar bu cisimleri çarpışmadan dengeli iş yükü ile toplamışlardır.
Biyosınıflandırma ve analiz aracı tasarım ve gerçekleştirimi
Şekil veya görüntülerin tanınması/sınıflandırılması problemi uzun yıllardır üzerinde çalışılan bir konudur. Biyolojik canlı türleri, tomografi, röntgen görüntüleri gibi farklı disiplinlerde kullanılan yöntemlerle elde edilen görüntülerin analizi, farklı disiplinlerde çalışan araştırmacıların kendi disiplinlerinin parçası olmayan görüntü işleme yöntemleri ile ilgili teknik bilgi sahibi olmasını gerektirebilmektedir. Bu çalışma kapsamında, farklı disiplinlerde kullanılabilecek, kullanımı kolay, konvolüsyonel yapay sinir ağı tabanlı bir öznitelik çıkarım ve işleme araç seti tasarımı ve implementasyonu yapılmıştır. Hazırlanan yazılım kütüphanesi ve kullanıcı arayüzü, farklı disiplinlerle alakalı popüler veri setleri üzerinde test edilmiştir. Ön eğitimli konvolüsyonel yapay sinir ağları kullanılarak farklı veri setleri üzerinde yapılan testler, transfer öğrenimi konsepti ile ön eğitimli konvolüsyonel yapay sinir ağlarından öznitelik çıkarmak ve işlemek amacıyla geliştirilen araç setinin, başarı ile ayırt edici öznitelikler çıkarabildiğini göstermiştir. Sunulan araç setinin gerçekleştiriminde, fonksiyonların mümkün olduğunca hızlı çalışabilmesi için, işlemcilerin, çok çekirdeklilik, "tek komut, çoklu veri" gibi çeşitli teknolojileri de kullanılmıştır. Yazılan kodlar optimize edilerek ve işlemci çekirdekleri üzerinde paralelleştirme yapılarak, işleme hızında büyük bir artış sağlanmıştır. İmplementasyon esnasında karşılaşılan ortak kaynak kullanımı gibi problemler için çözümler sunulmuştur. Araç seti kullanılarak, derin konvolüsyonel yapay sinir ağlarında, katman derinlikleri ve özniteliklerin betimleyicilikleri arasındaki ilişkiler de incelenmiştir. Farklı katmanlardan alınan özniteliklerin, öznitelikler ve sınıflar arasındaki korelasyonlar temel alınarak alt setlere indirgendiklerinde, ağın tamamından alınan çıkışlardan daha başarılı sonuçlar verebildiği gösterilmiştir.
Derin öğrenme ile çelik hurdasının sınıflandırılması ve tanımlanması
Sanayi devrimi sonrasında hızla artan çelik talebi, doğal kaynakların tükenme riskini artırmakta ve çevresel etkileri derinleştirmektedir. Bu bağlamda, çelik hurdasının geri dönüşümü sürdürülebilir üretim açısından büyük önem arz etmektedir. Özellikle elektrikli ark ocaklarında (EAF) çelik hurda kullanımı, yüksek enerji verimliliği ve düşük karbon ayak izi sağlaması nedeniyle çevre dostu bir üretim yöntemi olarak öne çıkmaktadır. Ancak, EAF'da kullanılacak hurdaların doğru ve hızlı bir şekilde sınıflandırılması, hem proses verimliliği hem de nihai ürün kalitesi açısından kritik bir gerekliliktir. Bu tez çalışmasında, hurda yüklü kamyonların kantar üzerinden geçişi sırasında otomatik olarak sınıflandırılmasını sağlayan bir sistem geliştirilmiştir. Geliştirilen sistem, derin öğrenme tabanlı görüntü işleme tekniklerini kullanarak hurda sınıfını otomatik olarak belirlemekte ve sınıflandırma sonucunu sahaya yerleştirilen LED ekran aracılığıyla kamyon şoförlerine bildirmektedir. Böylece, manuel tanımlamaya dayalı süreçlerin doğasında bulunan insan hataları ortadan kaldırılmakta ve hurda lojistiğinde operasyonel verimlilik sağlanmaktadır. Bu çalışmada kullanılan veri seti, gerçek saha koşullarından toplanmıştır. Oluşturulan özel veri kümesi, 8 farklı hurda sınıfını temsil eden 11.787 etiketli görüntüden oluşmakta olup, bu veri setinin 1.407 görüntülük kısmı test işlemleri için ayrılmıştır. Veri setinin doğrudan üretim sahasından toplanmış olması, modelin endüstriyel ortamda uygulanabilirliğini artırmaktadır. Yapılan karşılaştırmalar sonucunda, en yüksek sınıflandırma başarısı gösteren model ConvNeXt Large olmuştur. Bu model, kantarda bulunan kamera tarafından alınan görüntüler üzerinden hurdanın türünü yüksek doğrulukla tahmin ederek, sahada bulunan A ve B olmak üzere iki farklı holdeki toplam 36 boşaltım alanından ilgili alanına yönlendirme yapmaktadır. Sistem sayesinde hurda kabul süreci tamamen otomatik hale getirilmiş ve operasyonel süreklilik sağlanmıştır. Elde edilen bulgular, derin öğrenme temelli görüntü işleme tekniklerinin hurda sınıflandırmasında yüksek doğruluk ve güvenilirlik sunduğunu ortaya koymaktadır. Bu sayede çelik üretim süreçlerinde hem enerji verimliliği artmakta hem de üretim kalitesinde istikrar sağlanmaktadır. Gelecek çalışmalarda veri setinin daha fazla görüntü ve sınıf içerecek şekilde genişletilmesi, gerçek zamanlı üretim sistemlerine tam entegrasyonun sağlanması ve çoklu sensör teknolojileriyle desteklenen hibrit modellerin geliştirilmesi hedeflenmektedir.
Wavelet based image coding and interpolation
The need of higher resolution on imaging systems and displays increases everyday.Data rates and bandwidth are still limited to satisfy the demands of enhanced resolutions.So, we should develop intelligent enhancement tools which yield higherresolution images with comparably limited bitrate. In this thesis, we examine thequality enhancement capabilities of two dierent approaches, i.e. image codingand image interpolation. Better image coding algorithms are capable of producingenhanced higher detail images at the same bitrate. For that purpose, wedesign an ecient and intelligent wavelet based image coding algorithm that codesthe hierarchical description of wavelet coecients instead of coding themselves.Namely, we introduce the hierarchical quantization index tree which is composedof quantization index classes. These index classes are constructed using combinationof similar wavelet coecients which leads an adaptive structure. Then,this hierarchical tree is optimized by a simple rate-distortion analysis to achieveecient bit allocation among various dierent regions of natural images. In thesecond part of the thesis, we propose a wavelet based interpolation algorithm thatexploits the correlation between high resolution(HR) and low resolution(LR) images.Basically, we design linear minimum mean square error lters between HRand LR images to recover lost high frequency information. For modeling the relationshipbetween two resolutions, we use two dierent approaches, i.e. blockbased lter design and context adaptive lter design. In block based lter designalgorithm, we partition the image into blocks to capture local frequency variations.In context adaptive algorithm, we use a simple context to adapt dierentimage structures. We also briey mention how these new approaches can beintegrated into a novel coding + resolution enhancement joint framework. Simulationsshow that both our coding and interpolation algorithms perform betterthan most existing schemes.
Neural network based face detection
One of the challenging problems in computer vision is face detection. The goal of face detection is to locate all regions that contain a face regardless of any three dimensional transformation and lighting condition. There are lots algorithms which were proposed for a solution of face detection problem. In this thesis, I have implemented a neural network based face detection approach. The system detects upright frontal faces in a given image. Some heuristics were used in order to reduce the number of false detections. Also more than one neural networks are used in order to improve the detection capability. There are lots of neural network based face detection systems in the literature. Since these proposed systems in the literature are complex they cannot be used for real time applications. First and the most important difference between the proposed system in this thesis and the systems in the literature is simplicity of a network. Another major difference is size of a window which is used for face detection. In this thesis 10×10 pixel size window which is the smallest window size in the literature is used for detection. Furthermore simple system and small size window gives a faster training and running.