Üretken ağlar ve uygulamaları

Bu tez çalışmasında gürültüden görsel üretme, çözünürlük arttırma, sinyalden görüntü üretme ve bölütleme gibi alanlardaki en güncel yaklaşımlar incelenmiş ve Çekişmeli Üretken Ağlar (GAN) temelli yeni mimariler geliştirilerek literatüre katkılar sunulmuştur. Tez kapsamında yapılan ilk deneysel çalışmada, klasik GAN mimarileri (cGAN, DCGAN, InfoGAN, SGAN, ACGAN, WGAN-GP ve LSGAN) kullanılarak MNIST ve Fashion-MNIST veri kümelerindeki görseller üretilmektedir. Ayrıca bu yaklaşımlara alternatif olacak yeni bir hibrit GAN mimarisi (cDCGAN) önerilmektedir. Yapılan ikinci deneysel çalışma, SRGAN mimarisinin Camelyon17 veri kümesine uygulanmasını içermektedir. Buna göre SRGAN mimarisinin görsel çözünürlüğünü iyileştirilme ve gürültüyü giderilme performansı klasik yaklaşımlarla kıyaslanmaktadır. Tez kapsamında yapılan üçüncü deneysel çalışmada, GAN mimarilerinin sinyalden görsel üretme performansı araştırılmıştır. Bunun nedeni EEG sinyal verilerinden planlanan aktivitenin tahmin edilmesi veya engelliler için tekerlekli sandalyenin hareketlendirilmesi gibi ihtiyaçların varlığıdır. Ancak mevcut çalışmalar incelendiğinde EEG sinyalinin sadece sınıflandırılma ile sınırlı kaldığı görülmektedir. GAN ve Otomatik Kodlayıcı (Auto encoder-AE) tekniklerinin kullanıldığı az sayıda çalışma incelenmiş ve yeni mimarilerle sinyal-görsel üretim performansı iyileştirilmiştir. Tez kapsamındaki yapılan son deneysel çalışma, 3D MRI verilerinin bölütlenmesi hakkındadır. Yapılan araştırma sonucunda güncel bölütleme mimarileri belirlenmiş ve üç farklı veri kümesi (IBSR18, MRBRAINS13 ve MRBRAINS18) kullanılarak bölütleme sonuçları elde edilmiştir. Mevcut yaklaşımlara alternatif olacak Vol2SegGAN adlı yeni bir bölütleme yaklaşımı önerilmiştir. Bu mimarinin üretici ağında ACFP ve PAM modülleri yer alırken, ayırıcı ağı gerçek/sahte ayrımını gerçekleştirmektedir. T1 modaliteye sahip 3D-MRI taramalarının kullanıldığı verilerde üç farklı bölge (GM, WM, CSF) ve sekiz farklı bölge (CGM, BG, WM, WMH, CF, VE, CE ve BS)'nin bölütlenme çalışmaları yapılmıştır. Yapılan deneysel faaliyetler sonucunda, GAN temelli yaklaşımların birçok problem çözümüne olumlu katkılar sağladığı görülmüştür. Anahtar Kelimeler: Derin Öğrenme, Çekişmeli Üretken Ağlar, Sentetik Görüntü Üretimi, GAN Uygulamaları, Görüntü Boyutlandırma, SRGAN, Gürültü Temizleme, EEG-GAN, EEG Sinyalleri, 3D MRI Tramaları, Bölütleme, Örtüştürme, Vol2SegGAN, PAM, ACFP