Görüntü işleme-bilgisayarlı
Bu konu başlığı altında 55 tez
Automated grading and diagnosis system for evaluation of dry eye disease
Today, Dry Eye Syndrome (DES) is a widely seen health problem that is a disorder of the tear film due to tear deficiency. The number of dry punctate dots occurred on corneal surface can be used as a diagnostic indicator of DES severity. Grading of DES severity exactly by counting these dots is a really difficult task for human eye. Taking into account that current methods are also subjectively dependent on the perception of the ophtalmologists in addition to spending time and resource intensively, the enhancement of diagnosis techniques would significantly contribute to clinical DES analysis. Computer-aided diagnosis systems can potentially provide more objective and reliable diagnostic results for health care systems. Moreover, they would also benefit as remote diagnosis systems in places where there may not be well-trained ophtalmologists and modern testing techniques. A computerized diagnosis system by utilizing image processing techniques can be developed and used as an automated grading system in clinical decision making, also speed up evaluation, diagnosis and treatment processes. The work presented in this thesis consists of developing an automated grading system in order to provide more reliable and accurate diagnosis for DES. For determining the recognition performance of the system, an orginal clinical database has been formed during a year in eye clinic. A computerized diagnosis system is performed at the region of interest (ROI) level by applying computational methods on the fluorescein-stained corneal images. These images were gathered via slit lamp photography after sodium fluorescein staining and labeled based on the clinical Oxford Grading Schema (OGS) traditionally implemented by ophtalmologists that uses a 0-none to 5-severe grading scale. This study shows that automatic DES diagnostic kits can be developed by implementing computational methods on the fluorescein-stained cornea images to assist investigators for a more objective and faster DES diagnosis in real life.
Üretim otomasyonunda görüntü tabanlı hata tanıma sistemi
Endüstriyel üretim sistemleri günümüzde hızla gelişmektedir. Bununla beraber üretimde kalite ve verime olan talep de artmakta, ürünlerin kalite denetimleri önem kazanmaktadır. Bu denetimler, önceleri insan gözlemiyle oldukça yavaş ve düşük verimle yapılırken günümüzde otomasyon sistemleri kullanılarak bu işlemleri tamamıyla otomatikleştirme çabası doğmuştur.Özellikle görselliği ön planda olan ürünlerde yüzeysel hataların saptanabilmesi için görüntü işleme teknolojisinin kullanılması hem hız hem de verimlilik açısından oldukça önemlidir. Belirtilen önemi çıkış noktası alan bu çalışma, hareketli üretim bantlarından akan ürünlerin kameralar vasıtasıyla video görüntülerinin alınması ve görüntü işleme yöntemlerini kullanarak hızlı bir şekilde, üretimi aksatmadan hata tespitlerinin yapılmasını sağlamıştır. Bu hata tespiti değişik aşamalardan oluşmaktadır. İlk aşama görüntünün alınmasıdır. Görüntüler bant üzerinde sağlanan sabit ışık seviyeli ortamda alınırlar. Uygun bir kamera ile çekilen video görüntüleri içerisinden ürünlerin net olarak görüldüğü kareler alınır. Ancak ürünler üretim bandı üzerinde rasgele bir konumda bulunurlar. Bu nedenle ürünlerin görüntüleri konumdan bağımsız hale getirilmelidir. Geliştirilen tarama algoritması ile resmin herhangi bir noktasındaki ürün doğru koordinata taşınır. Elde edilen resimler hata analizinin yapılabilmesi için bazı ön işlemlerden geçirilir. İlk olarak resimdeki arka planlar, arındırma algoritması ile yok edilir ve RGB resim gri seviyeye çevrilir. Bu sayede resim boyutları küçültülerek yazılımın daha hızlı çalışması sağlanır. Sonrasında malzeme birden çok parçadan oluşuyor ise bu parçalar tek tek ayrılır. Elde edilen resimlerde Canny algoritması, Otsu eşikleme yöntemi ve morfolojik operatörler kullanılarak çizik taraması yapılır. Çizik saptamada en önemli problemlerden biri uyarlamalı eşikleme problemidir. Bu problemi aşmak için otsu uyarlamalı eşikleme yöntemi kullanılmıştır. Hata analizi sonrasında ise ortaya çıkarılan çiziklerin boyut ve sayıları belirlenir. Son olarak elde edilen bu verilerle ürünün hatalı veya hatasız olduğu bir mesajla belirtilir, ürün banttan ayrılır veya sınıflandırılır.
Road segmentation in satellite images using deep learning
We demonstrate several approaches for dealing with road segmentation problems. Some rely on the encoder-decoder method, some on the Generative Adversarial Network (GAN) technique, and others on a fully convolutional network. The approaches utilizing Encoder- Decoder and GAN seem to have promise. Due to the great performance of Encoder-Decoder Deep Convolutional Neural Networks in many segmentation problems. Our aim is to apply all recent model architectures that use the DCEP network as a primary base model on two open-source data sets DeepGlope, and Massachusetts. We choose the most common encoder-decoder models that proved great performance for different data sets of image segmentation. We choose Unet, FPN, PSPNet, Unet++, PAN, LinkNet, DeepLab- v3, DeepLab-v3+, and MA-Net for our experiments and we give a brief comparison based on the result. We show the results for each model we use, both with and without the bilateral filter, and we show how the IOU (Intersection Over Union) and Dice loss of the results for all models on the Massachusetts data set are very similar. In an effort to improve model performance, we also use different data augmentation parameters, however, the results are the same for this data set. The Unet model has an excellent IOU for the DeepGlobe data set, scoring 95.46% accuracy.
Human identification using palm print images based on deep learning methods and gray wolf optimization algorithm
In this thesis, we used palm print images for human identification. This thesis contains four steps. First, the features of the palm print images are extracted by pretrained network that uses the deep learned network. Thre pretrained networks such as Googlenet squesse net and Alexnet are used to extract the features from the images. Then the best features were selected by using the Gray-Wolf optimization method. In the third step, these features are used in the nearest neighborhood method for recognition of the dataset to be used in the test data. Finally, we evaluated the results with recognition rate that calculated the percentage of the recognitions of the mistake index and correct index from the dataset. The aim of this thesis is to use the Gray-Wolf Optimization method and deep learning to get high recognition rate. In this study we used two famous dataset such as Polytechnic Hong Kong university dataset and Tongji Contactless datasets, the recognition rate for the different methods is evaliated and tested. We are showing that the proposed method has a very high performance in the recognition rate than other different methods such as principle compomnent analysis, Local binary pattern and laplacian of gaussian gabor transform. The recognition rate from the proposed method we obtain 96.72.
A fast and accurate skew detection algorithm
Skew detection of digital documents is one of the important preprocessing steps of document layout analysis and optical character recognition, because it affects the quality and speed of these algorithms. In literature, there is a variety of algorithms and studies. Three of these algorithms are popular, namely i) projection profile, ii) Hough transform and iii) nearest neighbor clustering. In this thesis, we propose a novel fast and accurate skew detection method. The proposed method forms rectangular blocks and uses the centroids of blocks to estimate the skew angle. Unlike other methods, the output of the proposed algorithm is a deskewed document. In other words, no additional skew correction step is required. Moreover, it is independent of the script used in the document. Having a wide range of scan interval is another advantage of the proposed method over other methods. Tests made on 180 open access images give us promising results in terms of speed and accuracy. In comparison with the most popular methods, beyond being the fastest, the proposed algorithm gives the second most accurate results
İnsansız hava aracı ile yol güvenliği
Gündelik yaşamda yaya geçidine park eden araçlar ve yaya geçidini kullanmayan insanlar trafik akışını bozmakta ve yaşam kalitesini olumsuz etkilemekle beraber çeşitli trafik kazalarına sebep olabilmektedir. Bu çalışmanın amacı İnsansız Hava Aracı (İHA) kullanarak yaya geçidini kullanmayan yayaların ve yaya geçidi üzerine park eden araçların tespit edilmesinde ekonomik, hızlı ve başarılı bir yöntem geliştirmektir. İHA'nın belirlenen yol güzergâhında, sabit yükseklik ve açıyla kullanılmasıyla elde edilen video akışı kaydedilmiş ve geliştirilen bir model ile analiz edilmiştir. Geliştirilen model Ahi Evran Üniversitesi Merkez Yerleşkesi içerisinde test edilmiştir. Yaya geçidini kullanmayan kişilerin yüzlerinin tespitinde oldukça yüksek bir başarı elde edilmiştir. Park etmiş araçların plakalarının tespitinde ve ayrıca park yasağı olan yerlerde park eden araçlar ile duraklama yapan araçların ayırımında farklı sonuçlar elde edilmiştir. İHA'ların bu şekilde gündelik yaşamda kullanılmasıyla trafikteki aksaklık ve kazaların belirli bir ölçüde önüne geçilebileceği öngörülmektedir.
Detection and measurement of multilevel COVID-19 infection using gamma correction and features extracted by CNN enhanced with xgboost from CT scan images
The field of radiation diagnosis is undergoing rapid advancements, propelled by innovative technologies such as artificial intelligence (AI), computer vision, and sophisticated medical imaging techniques. In this dynamic landscape, computed tomography (CT) imaging has emerged as a prominent method, especially in the identification of clinical changes associated with both COVID-19 and lung tumors. The utilization of chest X-rays, various medical imaging techniques, and CT scans has been proposed as a practical and efficient means for the rapid and accurate diagnosis of COVID-19. Notably, CT scans have demonstrated high sensitivity in detecting the presence of COVID-19, even in cases where false negatives may occur under extreme circumstances. However, the analysis of X-rays and CT images by specialists to determine COVID-19 positivity is a time-consuming and challenging process. To address these challenges and improve the diagnostic process, the study addresses the application of convolutional neural networks (CNNs). These CNNs play a crucial role in accurately categorizing images while filtering out irrelevant elements, a feat achieved through transfer learning. In transfer learning, pre-existing methods gather essential characteristics from extensive datasets like ImageNet, effectively applying them to new tasks. Despite the advancements in machine learning techniques, the efficacy of CNNs still hinges on the extraction of relevant attributes from CT images. Therefore, the study suggests that the use of chest CT scans and X-ray images holds significant potential for detecting COVID-19, and this potential can be further enhanced by employing pre-trained CNNs such as DenseNet, ResNet, and VGG-16. The results from two distinct datasets, namely Covid Data 1 and Covid Data 2, along with various models including CNN net and XGBoost classifier, have been compared and analyzed. Across both datasets, XGBoost consistently outperforms the CNN net in terms of accuracy, regardless of the image size and training settings. Covid Data 1 generally exhibits higher accuracies compared to Covid Data 2 across all models and settings tested. Specifically, XGBoost achieves the highest accuracy, reaching up to 97.94% for Covid Data 1 and 97.76% for Covid Data 2, when trained with GC (ϒ=1.5) and using image sizes of 128x128 and 256x256 pixels. On the other hand, the CNN net achieves lower accuracies, with the highest being 79.54% for Covid Data 1 and 79.74% for Covid Data 2, both without GC and using image sizes of 256x256 pixels. Therefore, based on the provided results, the XGBoost classifier appears to be the superior choice for classification tasks, with Covid Data 1 being the preferred dataset due to its consistently higher accuracies across models and settings. While the study makes significant strides toward the therapeutic application of this model for diagnostic purposes, it acknowledges the need for further research to fully realize its potential. Future investigations are expected to explore additional designs utilizing gamma correction and pre-processing tools. To train more complex platforms, considerations for model training options that allow for a larger GPU memory limit are suggested. This could involve incorporating inception modules and multiple dense layers for enhanced capabilities. The next area of research outlined in the study focuses on the classification of various ailments, aiming to determine whether specific architectural styles are more effective in treating certain conditions. Exploring performance differences related to different illnesses could provide insights into the underlying causes. Additionally, alternative data splitting methods, such as k-fold data splitting, are suggested to enhance the analysis process, providing a more comprehensive and robust evaluation of the model's performance.
Navigation of a mobile robot using stereo vision
Computer vision system is one of the main aplications in the mobile robot perception systems. Mobile robots may be able to navigate in an unknown environment acquiring visual information of their surroundings with the aim of estimating the position and orientation of an obstacle which is in front of it. Moreover, the pose of the robot has to be estimated as accurate as possible during navigation. The main purpose of this thesis is to develope stereo vision depth perception and obstacle detection systems for collision free navigation of a real hydraulically actuated experimental crawling mobile robot in an unknown indoor environment. Within the scope of this thesis, a robust stereo depth perception and obstacle detection algorithms are developed. To express our approach easily, a Stereo Vision Graphical User Interface is also prepared. In addition in this study for safely navigation of the mobile robot within its environments and reliably move from start point to destination point, a navigation algorithm, obstacle avoidance strategy and motion planning algorithms are developed. In order to implement the prepared perception algorithm and navigation algorithms, an experimental crawling vehicle was constructed and modified into a mobile robot and architecture details such as robot hardware and software were described in this thesis. To accomplish position control of mobile robot in two dimensional plane, kinematics of the mobile robot was analyzed and to control the robot locomotion system, a motion control algorithm was developed by the use of the kinematic data of the robot. In order to control the crawling robot easily and to combine all developed algorithms, Manual and Autonomous Navigation Graphical User Interfaces were prepared and implemented on the robot. After optimization and combining all algorithms and codes, behavior of robot was observed. With the helps of developed algorithms, the robot was able to reach destination point without collision with any obstacles.
Işığın kırılma kanunu tabanlı görüntü işleme
Görüntü işleme konusu, önemi ve uygulama alanı oldukça hızlı gelişen bir konu haline gelmiştir. Tıp, güvenlik, endüstri, yeryüzü bilimleri, tarih, sanat ve diğer birçok alanda görüntü işleme uygulamaları karşımıza çıkmaktadır. Bu tez çalışmasında görüntü işleme konusuna yeni bir bakış açısı getirilerek, ışığın kırılma kanunu tabanlı yeni bir algoritma geliştirilmiştir. Gerçekleştirilen yeni algoritma temelde piksellerin birbirleriyle olan benzerlik değerlerini bulmaya yöneliktir. Benzerlik oranı hesaplanırken fiziksel bir olay olan ışığın kırılmasından faydalanılmıştır. Işık saydam bir levhaya gelip, kırıldıktan sonra, ortama girdiği doğrultuda ortamdan çıkar. Bununla birlikte, ışığın geliş ve kırılma açısının farklı ortamlarda farklı değerlerde olması sonucunda, çıkışta paralel bir kayma meydana gelir. Bu kayma miktarı benzerlik ölçümünde kullanılmıştır. Kenar belirleme işlemi yapılırken görüntüdeki her bir piksel için benzerlik ilişki matrisi oluşturulur ve bu matristeki en büyük değer seçilerek görüntüde yerine yerleştirilir. Böylece görüntünün kenar haritası elde edilmiş olur. Bölütleme işleminde de aynı şekilde pikseller arasındaki benzerlik değerleri bulunarak her bir piksel için belirlenen bir eşik değeri ile karşılaştırılır. Bu karşılaştırma sonucunda ilgili piksel etiketlenir ve benzerlerinin bulunduğu bir bölgeye dahil edilir. Burada dikkat edilmesi gereken husus bir bölgeye dahil edilen pikselin pozitif bir etiket alması ve aynı pikselin başka bir bölgeye daha dahil edilmemesidir. Üzerinde hiç işlem yapılmamış olan bir pikselin etiket değeri negatiftir.Bu tezde önerilen yöntem karmaşık hesaplar içermemesi bakımından avantajlıdır. Yöntem literatürde bilinen bazı görüntüler üzerinde test edilmiştir. Alınan sonuçlar yöntemin tatmin edici olduğunu göstermektedir. Önerilen bu yöntem, bundan sonra yapılacak görüntü filtreleme çalışmalarında kullanılabilir.
İnsansız Hava Aracı tespiti ve sınıflandırılması için derin öğrenme tabanlı tekniklerin geliştirilmesi
Günümüzde İHA'lara ilgi artması uygulama alanlarının artması ve yanında otonom uçuş kabiliyetleri nedeniyle oldukça artmaktadır. İHA'ların kullanım alanlarının artması aynı zamanda bu aygıtların birtakım güvenlik sorunlarını da beraberinde getirmektedir. Güvenlik konuları da içyapısı itibarı ile çeşitlendirilebilir. Bu alanlara insan, hayvan, doğa gibi canlıların güvenliği, her türlü askeri güvenlik ve çevresel güvenlik gibi sıralanabilmektedir. Genel olarak kamu veya ulusal güvenlik olarak adlandırılabilmektedir. Dolayısı ile İHA kaynaklı tehditlerin erken tespiti için önlem alınabilmesi önem arz etmektedir. Bu çalışma, kamu güvenliği ile ilgili uçuş halinde olan bir İHA'nın tespitine yönelik yöntemleri incelemek ve yeni yöntemler geliştirmek üzere deneyler ile desteklenmektedir. Bu bağlamda çok yönlü olarak akuistik ve görüntü tabanlı iki yöntem incelenmektedir. Görüntü tabanında You Look Only Once (YOLO) modellerinin karşılaştırılması yapılmaktadır. Literatür taramalarında İHA tespitine yönelik You Look Only Once Representation (YOLOR) ile ilgili her hangi bir çalışmanın ve üretilen bir sonuç olmadığı görülmektedir. Test edilen modeller arasında en etkili sonucun YOLOR ile sağlandığı tespiti sunulmaktadır. YOLOR, çalıştırılan veri kümesi üzerinde %95.6 başarı oranı sağlamaktadır. Diğer bir yaklaşım türü olan akuistik tabanına bağlı olarak İHA'ların seslerini ayırt etmek için gereken ses özelliklerini çıkarmak için Mel Frekans Spektrum katsayıları teknikleri uygulanmaktadır. Özellikleri belirlenen sesler 6 sınıf olmak üzere bu kümelerin sınıflandırılması için hafif ağırlıklı bir evrişimsel sinir ağı modeli önerilmektedir. Önerilen yöntem ile İHA'ları tespit etmek ve uçmakta olan bir İHA'yı kuş, uçak, helikopter, arka plan gürültüsü, fırtına gibi seslerden ayırt etmek mümkün olmaktadır. Deneysel sonuçlar, önerilen yöntemin %98.78 oranında başarılı olduğunu ve literatürde önerilen diğer yöntemlere göre daha iyi sonuçlar elde edildiğini göstermektedir.
Dağıtık görüntü işleme
Bu tez çalışmasında, büyük veri alanında önemli bir yeri olan görüntü ve video dosyalarının dağıtık olarak işlenmesi konusu incelenmiştir. Görüntü ve video dosyalarının işlenmesinde kullanılmak üzere OpenStack bulut sistemi ile farklı ölçeklerde Hadoop kümeleri oluşturulmuştur. Dağıtık görüntü ve video işlemeyi gerçekleştirmek için Hadoop MapReduce programlama modeli ve OpenIMAJ kütüphanesi kullanılarak iki uygulama geliştirilmiştir. Bu uygulamalar geliştirilirken video ve görüntü dosyalarının Hadoop Dağıtık Dosya Sistemi (HDFS)'inden okunması, işlenmesi ve elde edilen sonuçların yazılması için gerekli olan ve Hadoop kütüphanesi tarafından sağlanmayan sınıflar yazılmıştır. Geliştirilen uygulamalar farklı ölçeklerdeki Hadoop kümeleri üzerinde çalıştırılarak dağıtık görüntü ve dağıtık video işlemede Hadoop MapReduce programlama modeli test edilmiştir. Geliştirilen bu sistem ile hızlı bir şeklide artan görüntü ve video dosyalarının daha kısa sürede işlenmesi ve analiz edilmesi mümkün olmaktadır. Bu sisteminin OpenIMAJ kütüphanesi ile uyumlu geliştirilmesi OpenIMAJ kütüphanesinin sağladığı bir çok algoritmanın dağıtık olarak görüntü ve video işlemede kullanılabilmesini sağlayacaktır.
Migren hastalarında diffeomap yazılımı kullanılarak beyin yapılarının hacminin hesaplanması
Migren baş ağrısı olarak bilinmekle birlikte, nörolojik ve gastrointestinal bulguların eşlik edebildiği ataklar halinde gelen ve kişinin günlük yaşamsal aktivitelerini engelleyen nörolojik bir hastalıktır. Literatürde migrenli hastaların beyin MRG'leri kullanılarak beyin içerisindeki bir çok yapının hacimsel değişiklikleri incelenmiştir fakat beynin tüm yapılarını içeren kapsamlı ve detaylı bir hacim değişikliği olup olmadığı henüz araştırılmamıştır. Bu çalışmamızın amacı geniş çapta beyin yapılarını incelemek ve hangi bölgelerde hacimsel değişimlerin olduğunu saptamaktır. Bu çalışmada 5 erkek 20 kadın olmak üzere herhangi bir nörolojik hastalığı olmayan, yaş ortalaması 35±7 olan 25 sağlıklı birey; 5 Erkek ve 20 Kadın olmak üzere yaş ortalaması 37±9 olan 25 migren hastası (7 auralı,18 aurasız) çalışmaya dahil edilmiştir. İstatistiksel analiz için SPSS 15.0 programı kullanıldı. Çalışmamızda migren hastaları ve sağlık bireylerin beyin yapılarının hacimleri incelediğinde sol ve sağ gyrus frontalis superior, sol ve sağ talamus, sol gyrus supramarginal, sağ gyrus angularis, sol ve sağ gyrus temporalis medius, sağ gyrus oksipitalis inferior'da istatistiksel olarak anlamlı hacim artışı bulunmuştur (p<0.05). hastalık süresi 5 yıl ve üzeri olanların sol gyrus frontalis superior, sol gyrus frontalis inferior, sağ gyrus precentralis ve sol cerebral nucleus hacimleri hastalık süresi en fazla 4 yıl olanlara göre hacimsel azalma açısından anlamlı düzeyde bir farklılık tespit edilmiştir(p<0.05). ayda 10 ve üzeri atak geçiren migren hastalarının sağ talamus, sol gyrus parietalis superior ve sol globus pallidus hacmileri, ayda an fazla 9 atak geçiren migren hasta sınıfına göre hacimsel azalma açısından anlamlı farklılık tespit edilmiştir (p<0.05). Sonuç olarak: Çalışmamız migren patofizyolojisi ile uyumludur. Beyinde yapısal değişikliklerin migren hastalığında bir risk faktörü oluşturabileceği düşünülmektedir. Migren hastalığında tespit edilen bölgesel gri madde hacimsel değişikliğinin ilişkisi üzerine kanıtlar belirsizdir. Bu belirsizliğin sebebi kullanılan yöntem farklılığından kaynaklandığı kanaatindeyiz.
Automated detection of oral lesions using deep learning for early diagnosis of oral cancer
Oral cancer is a major health concern in many countries leading to approximately 330,000 deaths every year worldwide. Early detection and treatment remain to be the most effective measures in reducing mortality and morbidity from oral cancer with survival rates achieving 75-90% in most cases. Over the years, screening programmes have been put in place to improve detection of precursor lesions that have high probability of progressing into cancer. The implementation of these programs, however, has proved to be challenging in a real-world setting as they rely on primary care practitioners who are often not adequately trained to recognize these lesions that exhibit substantial variability in presentation. The development of vision-based adjunctive technologies that can assist screening and clinical decision making is crucial for improving early detection of oral cancer. In this study, we explore the potential applications of various computer vision techniques to the oral cancer domain in the scope of photographic images and investigate the prospects of an automated system for oral cancer screening. Exploiting the advancements in deep learning, we propose a two-stage framework to detect oral lesions with a detection network in the first stage and classify the detected region as benign, precancer, or cancer with a classifier network in the second stage. A custom dataset was developed for the study due to the lack of publicly available dataset for oral cancer. Our preliminary results demonstrate the feasibility of deep learning-based approaches for automated detection and classification of oral lesions in real-time. We envisage that the proposed model offers great potential as a low-cost and non-invasive tool that can support screening processes and improve early detection of oral cancer.
Bilgisayarlı görü ile derin öğrenme teknikleri kullanılarak spor antremanlarının doğruluğunun tespiti
Derin öğrenme tabanlı olarak geliştirilen MediaPipe Poz Tahmin modeli ile gerçek zamanlı görüntülerden elde edilen insan poz tahmini verilerinin makine öğrenme algoritmaları kapsamında spor biyomekaniği açısından spor aktivitelerinin doğruluk oranı üzerine sistematik bir analiz yapılmıştır. Bu çalışmada, MediaPipe Poz Tahmin modelinin farklı spor aktivitelerinde vücut pozisyonuna bağlı olarak biyomekanik parametreleri ışığında nasıl tahmin ettiği incelenmiştir. Ayrıca, modelin performansını değerlendirmek için gerçek zamanlı olarak kameradan elde edilen verilerin farklı makine öğrenme algoritmaları (regresyon, sınıflandırma vb.) ile eğitime tabi tutularak karşılaştırma yapılmıştır. Ayrıca bu çalışma, bilgisayarlı görü destekli derin öğrenme tekniklerinin spor antrenmanlarında ve poz tahminindeki uygulanabilirliği konusunda öncü bir araştırmadır. Mediapipe'nin insan poz tahmini modeli ile elde edilen verilerin makine öğrenme algoritmalarıyla eğitilmesi ile sporcuların pozisyonlarını doğru bir şekilde takip etmek için kullanılabileceği bir uygulama haline getirilmiştir. Ayrıca, bu aracın sporcuların performanslarını artırmak için nasıl kullanılabileceği konusunda da yol gösterici olacaktır. Sonuç olarak, MediaPipe Poz Tahmin modelinin spor biyomekaniği için uygun ve etkili bir araç olduğu gösterilmeye çalışılmıştır.
Sınırlı bakış durumunda ara-imge sentezleme
Bu çalışma kamera barındıran nesnelerin fonksiyonlarını daha da geliştirmek için başlatılmıştır. Görüntüleme cihazlarının sınırlı bakış açılarından aldıkları görüntülerden daha fazla bilgi edinmek için yöntemler uygulanmıştır. Farklı iki bakış açısından edinilen resimlerle diğer ara görüntülerin oluşturulması hedeflenmiştir. Farklı iki görüntü arasında matematiksel bir bağ kurabilmek amacıyla işaretleyici kareler kullanılmıştır. Karelerin görüntüler içerisinde otomatik bulunması, kameraların pozisyonlarının hesaplanabilmesini sağlamıştır. Ara görüntülerin sentezlenebilmesi için resimler üzerinde anahtar noktalar bulunmuştur. Bu noktaların bulunması için AKAZE, SURF, BRISK, ORB gibi farklı yöntemler incelenmiş ve karşılaştırılmıştır. Bulunan noktaların farklı iki resim arasındaki bağlarının oluşturulması amacıyla Brute Force ve FLANN tabanlı eşleyici algoritmalar kullanılmıştır. Bu iki algoritmanın başarımları konusunda inceleme ve değerlendirme ilgili bölümlerde bulunabilir. Ara görüntülerin hesaplanması için iki resimden elde edilecek derinlik algısına ihtiyaç vardır. Bu hesaplama için epipolar geometri kuralları kullanılmıştır. Bilgi edinilemeyen görüntü alanları için bilinen noktaların üç boyutlu interpolasyon metotları ile gerçekteki nesnelere yaklaşım sağlanmaktadır. Böylece fotoğraflardaki nesnelerin üç boyutlu yapıları mümkün olduğunca tekrar oluşturularak farklı bakış görüntüleri oluşturulabilmiştir.
Spect miyokard perfüzyon görüntülemesinden koroner arter hastalığı tanısı için yeni sınıflandırma modelleri
Bu tez çalışmasının amacı, tek foton emisyon bilgisayarlı tomografi (SPECT) miyokard perfüzyon görüntülemesinden (MPG) iskemi ve enfarktüs olarak adlandırılan koroner arter hastalıklarının varlığının ve lokalizasyonunun tespiti amacıyla bilgisayar destekli sınıflandırma modelleri geliştirmektir. Derin öğrenme (DÖ) tabanlı ve kural tabanlı olmak üzere iki farklı sınıflandırma modeli önerilmiştir. İlk model, sıfırdan eğitilmiş derin sinir ağı (DNN), önceden eğitilmiş çeşitli DNN'ler ile transfer öğrenimi, bu ağlardan çıkarılan derin ve sığ öznitelikler ile destek vektör makinesi, güçlendirilmiş karar ağacı ve rastgele orman gibi çeşitli sınıflandırıcıları kullanır. İkinci model ise; uzman okuyucuların bilgisini renk eşikleme, segmentasyon, öznitelik çıkarımı ve bazı sezgisel algoritmaları içeren uygun görüntü işleme tekniklerine dönüştürmeyi amaçlamaktadır. Ayrıca, tek gün protokolüne göre istirahat/stres Tc-99m SPECT MPG için başvuran 192 hastanın görüntüleri tüm araştırmacıların kullanımına açık bir veri seti oluşturmak için toplanmıştır. Referans standart olarak iki uzman okuyucu tarafından yapılan görsel değerlendirmeler kullanılmıştır. Önerilen modellerin performansı bu referans standarda göre değerlendirilmiştir. Maksimum doğruluk, duyarlılık ve özgüllük değerleri, sırasıyla DÖ tabanlı model için %94, %88, %100, kural tabanlı model için %93, %100, %86 olarak hesaplanmıştır. Önerilen modeller uzman analizi düzeyine yakın tanı performansı sağlamaktadır. Bu nedenle, SPECT MPG'nin miyokard iskemisi ve enfarktüsü ile ilgili yorumlanması sırasında klinik karar vermede yardımcı olabilirler.
Görüntü işleme teknolojisi kullanılarak yüksek çözünürlüklü kamera görüntülerinden 3 boyutlu yazıcılarda anomali tespiti
3D yazıcı teknolojisi, endüstriyel üretimden bireysel kullanıma kadar geniş bir alanda hızla yaygınlaşarak üretim süreçlerini dönüştürmektedir. Prototipleme ve kişiselleştirilmiş üretim gibi avantajlarına rağmen, bu teknoloji baskı sürecinde meydana gelen hatalara karşı hassastır ve genellikle insan gözetimine ihtiyaç duymaktadır. Üretim sırasında sıkça karşılaşılan hatalar, malzeme, enerji ve zaman kaybına neden olmaktadır. Bu çalışmanın temel amacı, 3D baskı sürecinde oluşabilecek hataları bilgisayarlı görü ve derin öğrenme teknikleri kullanarak gerçek zamanlı olarak tespit etmektir. Bu kapsamda, FDM tipi 3D yazıcılar için iki aşamalı bir hata tespit modeli geliştirilmiştir. İlk aşamada, YOLOv11 modeli kullanılarak baskı alanının segmentasyonu gerçekleştirilmiş, ardından EfficientNet tabanlı sınıflandırma modeli ile baskı hatalarının tespit edilmesi ve sınıflandırılması sağlanmıştır. Önerilen sistem, baskı sürecinde hataları erken aşamada tespit ederek sürecin iyileştirilmesine katkı sunmayı, böylece malzeme, enerji ve zaman israfını azaltarak üretim verimliliğini artırmayı hedeflemektedir. Gerçek zamanlı test ortamında gerçekleştirilen deneyler, önerilen modelin yüksek doğruluk oranlarına ulaştığını ortaya koymuştur. Bu çalışmanın, 3D yazıcılarda anomali tespiti alanında literatüre katkı sunması ve eklemeli üretim süreçlerinin optimizasyonu için yeni bir bakış açısı sağlaması amaçlanmaktadır. Geliştirilen model, ilerleyen çalışmalarda daha geniş veri setleriyle eğitilerek farklı yazıcı türleri ve malzeme çeşitliliğine uyarlanabilir, böylece endüstriyel üretim süreçlerine entegrasyonu desteklenebilir.
Karaciğer bt görüntülerinin bilgisayar destekli bölütleme uygulaması
Son yıllarda tıp alanında, görüntüleme tekniklerinin sıklıkla kullanılması sayesinde Bilgisayar Destekli Tespit (BDT) sistemleri de kendisine geniş bir yer bulmuştur. BDT sistemlerinde en önemli işlem bölütleme aşamasının doğru bir şekilde yapılmasıdır. Bu tez çalışmasında, Bilgisayarlı Tomografi (BT) görüntüleri üzerinde karaciğerin bölütlenmesi için bilgisayar destekli otomatik bir yöntem ve yazılım geliştirilmiştir. Bölütleme işlemleri için Bölge Büyütme (RG) ve Bulanık C-Ortalama (FCM) algoritmalarından yararlanılmıştır. Bu algoritmalar ile yapılan bölütlemelerin başarımını tespit etmek için alanında uzman bir hekimden destek alınmıştır. Bu amaçla uzman tarafından yapılan seçim ölçüt olarak kullanılarak RG ve FCM algoritmaları ile bilgisayar destekli olarak elde edilen bölütleme sonuçları karşılaştırılmıştır. Karşılaştırma ölçütü olarak Jaccard benzerlik ölçütü kullanılmıştır. 88 BT görüntüsü üzerinde yapılan deneysel çalışmalarda Jaccard benzerlik ölçütüne göre RG algoritmasında %91.15 ve FCM algoritmasında %75.16 bölütleme için ortalama başarım değerleri bulunmuştur. Sonuç olarak Bölge Büyütme algoritması ile yapılan bölütleme işlemlerinin daha başarılı olduğu görülmüştür. Ayrıca, benzerlik ölçümleri sonucunda bulunan nicel değerlerin istatiksel olarak anlamlılık testlerinin değerlendirilmeleri de gerçekleştirilmiş ve RG algoritması ile elde edilen daha başarılı bölütleme sonuçlarının, anlamlı bir fark ortaya koyduğu sonucuna ulaşılmıştır. Bunlara ek olarak, benzerlik ve anlamlılık testleri ile beraber işlem zamanlarının karşılaştırmaları da yapılmış ve burada da RG ile yapılan bölütleme işleminin daha hızlı olduğu sonucuna varılmıştır. Tüm bu elde edilen bulgular ile bu tez çalışmasında karaciğerin bölütlenmesi için önerilen bilgisayar destekli yöntemin ve geliştirilen yazılımın, hekimlerin karar verme aşamalarında ikincil bir yardımcı araç olarak kullanılabileceği görülmüştür.
Meme kanserinin histopatolojik görüntüler üzerinde derin sinir ağları kullanılarak bilgisayar destekli otomatik tespiti
Günümüzde kadınlar arasında en sık görülen kanser türü meme kanseridir ve akciğer kanserinden sonra oldukça yüksek bir ölüm oranına sahip olarak ikinci sırada yer alır. Geç tespit durumunda ise meme kanseri tedavisi oldukça zor bir duruma gelmektedir. Meme kanserinin tespiti için çeşitli yöntemler bulunmasına karşın halen yardımcı tespit ve tedavi yöntemlerine olan ihtiyaç önem arz etmektedir. Bu çalışmada meme kanserinin histopatolojik görüntülerde tespiti için derin sinir ağları kullanılarak bir model önerilmiştir. Kullanılan veriseti 40X, 100X, 200X ve 400X yakınlaştırma oranlarına sahip ve toplamda 7909 adet histopatolojik görüntü içeren BreakHis'tir. Önerilen derin sinir ağı modelinde DenseNet201, Inception V3, ResNet50 ve Xception olmak üzere dört farklı ön-eğitimli ağ kullanılarak daha başarılı sonuçlar elde edilmesi sağlanmıştır. Kullanılan ön-eğitimli ağların çalışma mimarileri incelenmiş ve başarılı ağların neden daha iyi oldukları saptanmıştır. Modellerin başarımlarını daha da artırmak amacıyla bırakma, veri artırma, test zamanı veri artırımı ve yığın normalizasyonu yöntemleri kullanılmıştır. Her bir ön-eğitimli ağın farklı yakınlaştırma oranlarında elde ettiği başarımlar farklı performans ölçütleri (doğruluk, F1-skor, eğri altındaki alan) ve grafiksel doğruluk değeri vasıtasıyla incelenmiştir. Ön-eğitimli ağların karmaşıklık matrisleri çıkarılmış ve verisetinde bulunan görüntülere yaptıkları tahminler doğru veya yanlış olarak ayırt edilebilmiştir. Yapılan gözlem ve incelemeler neticesinde Xception ağı ile elde edilen sonuçların diğer ağlara oranla daha başarılı olduğu görülmüştür. Xception ağı ile 200X yakınlaştırma oranında gerçekleştirilen deneysel çalışmalarda, hem diğer ağlara göre hem de diğer yakınlaştırma oranlarına göre en başarılı sonuçlara ulaşılmış ve %98.01'lik bir doğruluk skoru, %98.21'lik bir hassasiyet değeri ve %98.92'lik bir hatırlama değeri elde edilmiştir. Xception ağının 200X yakınlaştırma oranındaki ROC (Receiver Operating Characteristic) eğrisi altındaki alan değeri ise 0.975 olarak hesaplanmıştır. Xception ağının rastgele seçilen 200X yakınlaştırma oranına sahip histopatolojik görüntüler üzerindeki tahminleri ve gerçek sonuçlar karşılaştırılmıştır. Sonuç olarak bu veriseti özelinde 100X yakınlaştırma oranında DenseNet201, 200X yakınlaştırma oranında InceptionV3, 200X ve 400X yakınlaştırma oranlarında ise Xception ağı daha başarılı sonuçlar ortaya koymuştur. Anahtar Kelimeler: Meme kanseri, Histopatolojik görüntü, Sınıflandırma, Derin sinir ağları, Xception, InceptionV3, ResNet, DenseNet, Ön-eğitimli ağlar
Beynin yapısal özelliklerinin elektrofizyolojisi ile ortak değerlendirilmesi
Amaç: Tezin amacı beynin veya alt bölümlerinin yapısal özellikleri ile işlevleri arasında bir bağlantı olduğunun gösterilmesidir. İkincil amaç ise, şizofreni (SCH) hastalarında, beynin ve alt yapılarının volüm değişikliği ile elektrofizyolojik özelliklerinin nasıl bir değişim gösterdiğini ortaya koymaktır.Gereç ve Yöntem: Çalışma 25 sağlıklı birey ve DSM-IV ölçütlerine göre şizofreni tanısı almış 28 hasta üzerinde gerçekleştirilmiştir. Volümetrik değerlendirmede prefrontal korteksin (PFC) ve Heschl girusunun (HG) volümü ölçülmüş, elektrofizyolojik değerlendirmede işitsel uyarılma potansiyel paradigması ile elde edilen elektroensefalografi (EEG) verisinde N1P2 ve P400 bileşeninin genliği ve latansı ile global field power (GFP) genliği ölçülmüştür. EEG verileri, Curry programı üzerinde MRG görüntüleri üzerine çakıştırılarak EEG sinyalinin projeksiyonu gerçekleştirilmiştir.Bulgular: Volümetrik ölçümler, kontrol grubu ile karşılaştırıldığında şizofreni hastalarındaki en belirgin değişikliğin HG volümündeki azalma olduğunu göstermiştir. Sol HG hem kontrol hem de hasta grubunda sağdan daha büyük olarak bulunmuştur. PFC' nin volümetrik değerlendirmesi bu alanda volüm kaybının olduğunu ortaya koymuştur. Elektrofizyolojik analizler, şizofreni grubunda N1P2 ve P400 bileşenlerine ve GFP' ye ait genliğin ve latansın azalmış olduğunu göstermiştir. Volüm ve elektrofizyolojik korelasyon, hasta popülasyonunu tümüyle ayırt edecek şekilde ve doğrusal olarak ilişkili bulunmuştur.Sonuç: Şizofreni hasta modelinde, yapısal ve işlevsel sonuçların hastalık süreci ile değiştiği bulunmuştur. GFP değerlerindeki azalma, volüm kaybına eşlik eden azalmış elektriksel aktivite olduğunu göstermiştir. MR görüntülerinin elektrofizyoloji verileri ile çakıştırılması bu ilişkiyi daha net olarak ortaya koymuştur.
Çok kipli video kavram sınıflandırması
Çokluortam verileri, İnternet kullanımının artmasıyla, sürekli üretilmekte ve paylaşılmaktadır. Bunun bir sonucu olarak, çokluortam verilerinin büyüklüğü hızla artmakta ve bu verilerin içeriklerini analiz eden otomatik yöntemlere ihtiyaç duyulmaktadır. Video verisi, çokluortam verilerinin önemli bir bileşenidir. Video içerik analizi, video verisi içeriğindeki zamansal veya konumsal olayların ve kavramların otomatik yöntemlerle belirlenmesi olarak tanımlanabilen önemli bir araştırma konusudur. Video içerik analizi, video içeriğinin karmaşık yapısı nedeniyle zor bir görevdir ve içerdiği bilgilerin otomatik olarak elde edilebilmesi için etkin yöntemlere ihtiyaç duyulmaktadır. Video verisinin artan büyüklüğü bu görevi zorlaştırmaktadır. Bu tez çalışmasında, video verilerinin çok kipli analizi için, görsel ve işitsel kiplerin füzyonuna dayalı bir yöntem önerilmektedir ve büyük veri platformunda uygulaması gerçekleştirilmektedir. Önerilen yöntem, Evrişimsel Sinir Ağı (ESA) öznitelikleri ile Mel-frekansı Kepstrum Katsayıları (MFCC) özniteliğinin temsillerinin füzyonuna dayanmaktadır. Büyük veri platformlarından Apache Spark kullanılarak önerilen yöntem gerçeklenmektedir. Önerilen yöntemin başarısı TRECVID 2012 SIN veri kümesi üzerinde değerlendirilmektedir. Sonuçlar göstermektedir ki, çok kipli yaklaşım tek kipli yaklaşımın başarısını geliştirmekte ve büyük veri platformu, çok kipli video içerik analizi yönteminin işlem zamanını önemli oranda düşürmektedir.
Görüntü işleme tekniği ile korunan alanlarda kaynak değeri oluşturan yaban hayvanlarının envanterine yönelik tür ve sayı tespiti yapılması
Bu araştırmada, korunan alanlarda sabit bir kameradan elde edilen görüntülerden ülke ekonomisine av turizmi ile katma değeri olan yaban hayvanlarının tür tespiti yapılarak sayımının yapılmasına yönelik görüntü işleme tabanlı bir sistem geliştirilmiştir. Gerçek zamanlı fotokapan videolarından alınan görüntü sahnelerinden önce gauss karma modelleri (GMM) tekniği kullanılarak arka plan görüntüsü çıkarılmıştır. Sonra videonun arka plan ve ön plan görüntülerinden yaban hayvanlarının fiziksel ve renksel öznitelikleri çıkarılmıştır. Hareketliliğin çok olduğu doğal yaşamda anlık elde edilen gerçek zamanlı kompleks bir görüntü sahnesinde geliştirilen alan testi, öznitelik testi ve renk testi kriterleri ile hedeflenen yaban hayvanın tespit edilmesi sağlanmıştır. Yaban hayvanı tür tespitinde %100 doğruluk oranı elde edilmiştir. Yüksek başarım oranının yakalanması için destek vektör makineleri (DVM) ve yapay sinir ağı (YSA) tekniği ile karşılaştırmalı olarak sınıflandırma yapılmıştır. Son olarak anlık görüntüde etiketlendirilen hayvanın takibi ve sayımı yapılmıştır. Geliştirilen yöntemler ile yaban hayvanı envanterine yönelik tür tespitinin %100 başarı oranı ile insan gücüne gerek duymadan, daha düşük maliyetli kamera sistemleri ve bilgisayar yazılımı ile yapılabileceği görülmüştür.
Derin öğrenme tabanlı beyin tümörü segmentasyonu
Beyin tümörü segmentasyonu, sağlıklı dokuyu tümörlü bölgelerden ayırmayı amaçlar. Günümüzde beyin tümörü segmentasyonu manuel olarak radyoloji uzmanları tarafından yapılmaktadır. Son yıllarda derin öğrenme yöntemleri kullanılarak uygulanan otomatik bilgisayar destekli sistemler manuel algılama sistemlerinin yerini alarak büyük bir ivme kazanmıştır. Beyin tümör türlerinin yarısından fazlasını gliomalar oluşturmaktadır. Beyin MR görüntülerini kullanarak glioma tümörlerini manuel olarak segmente etmek oldukça zorludur. Bunun sebebi; glioma tümörlerin şekil, boyut, hacim, konum ve görünüm açısından farklı olması ve sağlıklı dokularla tümörlü dokuların yapısı birbirine benzediği için ikisini birbirinden ayırt etmenin zor olmasıdır. Veri seti olarak her sene düzenlenen BRATS yarışmasındaki 2019 yılının beyin MR görüntüleri kullanılmıştır. Bu çalışmada diğer çalışmalardan farklı olarak, tümörün farklı bölümlerinin daha net görülmesi için uygun modaliteler kullanılmış ve tümör boyutlarına göre MR görüntülerinin kırpılma işlemi gerçekleştirilmiştir. Tam tümör segmentasyonu, genişleyen + nekroz ve genişleyen tümör segmentasyonu için ayrı ayrı 3 model eğitimi gerçekleştirilmiştir. Yapılan eğitimler sonucunda, literatürdeki çalışmalarla karşılaştırıldığında bu çalışma tam tümör segmentasyonunda 2., nekroz + genişleyen tümör segmentasyonunda 2., genişleyen tümör segmentasyonunda 1. olarak öncü çalışmalar arasında girmiştir.
Yüksek çözünürlüklü görüntülerde derin öğrenme tabanlı nesne tespiti için yeni bir önişleme yöntemi geliştirilmesi
Son zamanlarda yüksek çözünürlüklü uydu ve insansız hava aracı (İHA) görüntüleri, güvenlik, trafik analizi, afet yönetimi ve çevre izleme gibi alanlarda giderek popüler hale gelmektedir. Ancak, pratikte bu tür yüksek çözünürlüklü görüntülerde küçük nesnelerin tespitinde, düşük piksel yoğunluğu ve ayrıntıların kaybolması gibi problemlerden dolayı başarım düşmektedir. Bundan dolayı, küçük nesneleri daha doğru bir şekilde tespit edebilecek, yüksek doğruluk oranına sahip yeni yöntemlerin geliştirilmesine ihtiyaç duyulmaktadır. Bu tez çalışmasında, yüksek çözünürlüklü görüntülerde nesne tespiti için yeni bir derin öğrenme tabanlı algoritma geliştirilmiştir. Tezin temel amacı, yüksek çözünürlüklü uydu ve insansız hava aracı (İHA) görüntülerinde küçük nesnelerin tespitinde karşılaşılan zorlukları aşmak ve nesne tespit performansını artırmaktır. Önerilen yöntem, yeni geliştirilmiş ISA (Image Slicing Algorithm) adı verilen ön işleme algoritması, güncel olarak kullanılan SAM (Segment Anything) ile etiket optimizasyonu, çözünürlüğü iyileştiren SRGAN (Super-Resolution Generative Adversarial Network) ve YOLO (You Only Look Once) modellerinin birleştirilmesi ile oluşturulan SROD (Super-Resolution Object Detection) Mimarisinden oluşmaktadır. Önerilen yöntem, özellikle küçük nesnelerin tespiti sırasında kaybolan piksel verilerinin korunmasını ve nesnelerin daha yüksek doğrulukla algılanmasını sağlamaktadır. Tezde önerilen yöntem şu şekilde çalışmaktadır: ilk olarak, yüksek çözünürlüklü görüntülerdeki nesnelerin doğru bir şekilde dilimlenmesi için ISA algoritması kullanılmaktadır. Bu algoritma, dilimleme sırasında nesnelerin bütünlüğünü koruyarak, nesne tespiti için veri hazırlama sürecinde önemli bir rol oynamaktadır. Dilimleme işlemi sırasında oluşan etiketleme hatalarının kontrol edilmesi ve düzeltilmesi için SAM segmentasyon modeli kullanılmıştır. Bu sayede, dilimlenen görüntülerdeki nesnelerin etiketleme doğruluğu ve modelin performansı artırılmıştır. Daha sonra, SRGAN modeli ile görüntülerin çözünürlüğü artırılarak, YOLO tabanlı nesne tespit modellerine çözünürlüğü iyileştirilmiş giriş verileri sağlanmıştır. SRGAN modeli, görüntülerdeki detay seviyesini artırarak, özellikle küçük nesnelerin daha iyi tespit edilmesini sağlamaktadır. Çalışmada hava görüntülerinde sıklıkla kullanılan xView ve VisDrone veri setleri kullanılmıştır. Bu veri setleri, çok sınıflı ve karmaşık görüntüler içermektedir. Bu özellikleri ile önerilen sistemin performansını test etmek için uygun bir problem sunmaktadır. Tezdeki deneysel çalışmalar YOLOv5, YOLOv7, YOLOv8 ve, YOLOv9 gibi farklı YOLO versiyonları kullanılarak yapılmıştır. Elde edilen deneysel sonuçlar, önerilen yöntemin nesne tespit doğruluğunu önemli ölçüde geliştirdiğini ve mevcut yöntemlere kıyasla daha yüksek doğruluk oranları sağladığını göstermektedir. Tezde geliştirilen diğer önemli bir yöntem ise etiket dönüşüm algoritmasıdır. Bu algoritma, maske etiketli veri setlerinin YOLO formatına uygun hale getirilmesini sağlamaktadır. Etiket dönüşüm algoritması sayesinde, farklı veri setlerinde kullanılan etiketleme formatlarının uyumsuzluk sorunları çözülmüş ve YOLO modellerinde kolaylıkla kullanılabilir hale getirilmiştir. Sonuç olarak, bu tez çalışması, yüksek çözünürlüklü görüntülerde nesne tespiti alanında önemli bir katkı sunmakta ve özellikle küçük nesnelerin tespitinde karşılaşılan zorlukları minimize eden yeni bir yöntem önermektedir. Bu yöntemin, güvenlik, trafik analizi, afet yönetimi ve çevre izleme gibi alanlarda kullanım potansiyeli bulunmaktadır. Geliştirilen yöntemlerin literatüre katkısı, nesne tespiti alanındaki performans iyileştirmeleri ve çoklu veri setlerinde elde edilen başarılı sonuçlar ile kanıtlanmıştır.