Sezen, Arda

Profile URL
https://hdl.handle.net/20.500.14411/6766
Name Variants
A., Sezen A.,Sezen Sezen,A. S.,Arda S., Arda Arda Sezen Sezen,Arda Sezen, Arda Arda, Sezen
Job Title
Yardımcı Doçent
Email Address
arda.sezen@atilim.edu.tr
Main Affiliation
Computer Engineering
Status
Website
ORCID ID
0000-0002-7615-3623
Scopus Author ID
57271674300
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID

Research Topics

Domains
Physical Sciences
Fields
Computer Science
Subfields
Computer Vision and Pattern RecognitionArtificial IntelligenceInformation SystemsComputer Networks and Communications
Specific Research Areas
Human Pose and Action Recognition
Topic Modeling
Software Engineering Research
IoT and Edge/Fog Computing
Video Surveillance and Tracking Methods

Sustainable Development Goals

NO POVERTY1
NO POVERTY
0
Research Products
ZERO HUNGER2
ZERO HUNGER
0
Research Products
GOOD HEALTH AND WELL-BEING3
GOOD HEALTH AND WELL-BEING
0
Research Products
QUALITY EDUCATION4
QUALITY EDUCATION
0
Research Products
GENDER EQUALITY5
GENDER EQUALITY
0
Research Products
CLEAN WATER AND SANITATION6
CLEAN WATER AND SANITATION
0
Research Products
AFFORDABLE AND CLEAN ENERGY7
AFFORDABLE AND CLEAN ENERGY
0
Research Products
DECENT WORK AND ECONOMIC GROWTH8
DECENT WORK AND ECONOMIC GROWTH
0
Research Products
INDUSTRY, INNOVATION AND INFRASTRUCTURE9
INDUSTRY, INNOVATION AND INFRASTRUCTURE
0
Research Products
REDUCED INEQUALITIES10
REDUCED INEQUALITIES
0
Research Products
SUSTAINABLE CITIES AND COMMUNITIES11
SUSTAINABLE CITIES AND COMMUNITIES
1
Research Products
RESPONSIBLE CONSUMPTION AND PRODUCTION12
RESPONSIBLE CONSUMPTION AND PRODUCTION
0
Research Products
CLIMATE ACTION13
CLIMATE ACTION
0
Research Products
LIFE BELOW WATER14
LIFE BELOW WATER
0
Research Products
LIFE ON LAND15
LIFE ON LAND
0
Research Products
PEACE, JUSTICE AND STRONG INSTITUTIONS16
PEACE, JUSTICE AND STRONG INSTITUTIONS
0
Research Products
PARTNERSHIPS FOR THE GOALS17
PARTNERSHIPS FOR THE GOALS
0
Research Products
Scopus data could not be loaded because of an error. Please refresh the page or try again later.
This researcher does not have a WoS ID.

Publication Collaboration

Affiliation Name Count
Atilim University 6
Ankara University 1
Software Research and Development Consulting 1
Ostim Technical University 1
1 / 1
Data obtained from OpenAlex
Scholarly Output

15

Articles

6

Views / Downloads

33/65

Supervised MSc Theses

4

Supervised PhD Theses

1

WoS Citation Count

7

Scopus Citation Count

40

Patents

0

Projects

1

WoS Citations per Publication

0.47

Scopus Citations per Publication

2.67

Open Access Source

5

Supervised Theses

5

JournalCount
International Journal of Computational and Experimental Science and Engineering3
Proceedings - 5th International Conference on Informatics and Software Engineering, IISEC 2026 -- 5th International Conference on Informatics and Software Engineering, IISEC 2026 -- 5 February 2026 through 6 February 2026 -- Ankara -- 2215233
8th International Artificial Intelligence and Data Processing Symposium, IDAP 2024 -- 8th International Artificial Intelligence and Data Processing Symposium, IDAP 2024 -- 21 September 2024 through 22 September 2024 -- Malatya -- 2034231
Bilişim Teknolojileri Dergisi1
Evolutionary Intelligence1
Current Page: 1 / 2

Scopus Quartile Distribution

Competency Cloud

GCRIS Competency Cloud

Filters

2015 - 201912020 - 202614

Settings

Author of Publication: search.filters.isAuthorOfPublication.367853fe-83ca-445e-a3be-00c62fcb4e35

Scholarly Output Search Results

Now showing 1 - 10 of 15
  • Master Thesis
    Büyük Dil Modellerini Kullanarak Kod Örneklerinin Analizi ve Hata Ayıklama
    (2024) Shaıkh, Noman Ahmed; Sezen, Arda
    Kod hata ayıklama ve analizi zorlu bir görevdir. Özellikle otomatik olmayan hata yerelleştirme görevi kaynak tüketir ve hatanın kök nedenini belirlemek için önemli bir çaba gerektirir. Bu tezde, büyük dil modellerini kullanarak testsiz, otomatik satır seviyesi hata yerelleştirme incelenmiştir. Çalışmada, çift yönlü dikkat tabanlı mekanizma ve kod-anlama için önceden eğitilmiş büyük dil modelleri kullanıldı. Aynı zamanda büyük dil modellerinde girilen kodun satır seviyesi hatalılık puanlarını çıktı olarak vermesi için adaptör ayarlaması yapılmıştır. Ortaya çıkan model FLICoder olarak adlandırıldı. Farklı ayarlarla birden çok FLICoder modeli eğitildi ve mimarisinin çeşitli yönlerinin genel performans üzerindeki etkisi incelendi. FLICoder modeli ayrıca temel LLM tabanlı hata yerelleştirme çözümü ile karşılaştırılmış olup, FLICoder modelinin %25 - %52 iyileştirme gösterdiği tespit edilmiştir.
  • Master Thesis
    Bulut Bilişim Güvenlik Sorunları ve Güvenlik Gereksinimlerine Göre Dağıtma Modeli ile Hizmet Modeli Seçimi
    (2015) Sezen, Arda; Yazıcı, Ali; Bostan, Atila
    Bu tez, X.800 Tavsiyesi içinde bulunan hizmet kategorilerinin gerekliliğini, farklı bulut hizmet modelleri ve bulut dağıtım modelleri için, bazı güvenlik çözümü yaklaşımlarıyla birlikte incelemektedir. Tezde sunulan çözüm önerileri, teknik ve teknik olmayan yaklaşımların kapsamlı çözümler üretmek için birlikte ele alınması gerektiğini göstermektedir. Altı teknik çözüm yaklaşımı, X.800 Tavsiyesi içinde bulunan hizmet kategorilerinin yerine getirilmesini değerlendirmek üzere bu çalışmaya dâhil edilmiştir. Sonunda, X.800 Tavsiyesi içinde bulunan hizmet kategorilerinin gerekliliğini, farklı bulut hizmet modelleri ve bulut dağıtım modelleri için anlamak ve anlamlı farklılaşmaları ortaya koymak adına on iki hipotez, anket verilerine dayanarak, formüle, test ve kabul edilmiştir.
  • Conference Object
    A Multimodal Synthetic Dataset for Multi-Camera Human Detection and Occlusion Analysis in Indoor Environments
    (Institute of Electrical and Electronics Engineers Inc., 2026-02-05) Kocabas, Ifagat Buse; Sezen, Arda; Ustun, Tutku Irem; Bakal, Mahmut Furkan; Turkmen, Guzin; Sengul, Gokhan
    Synthetic data has become an essential component in modern computer vision and robotics research, particularly in applications where collecting large, diverse, and fully annotated real world datasets are impractical or impossible. This study presents a high resolution, multimodal, and multi camera synthetic dataset specifically developed for human detection and partial visibility analysis in indoor environments. Two distinct scenarios were designed within NVIDIA Isaac Sim, involving a total of eleven cameras positioned across separate residential spaces. The use of 120 FPS animations and synchronized multimodal annotation generation enabled detailed capture of human motion, occlusion, and scene variability. Diverse human models, including variations in appearance, clothing, accessories, and behavior, were incorporated to replicate real world heterogeneity and challenge vision algorithms under complex conditions. Despite the benefits of precise annotation and full environmental control, the study also revealed clear constraints related to computational load and real time simulation performance, particularly when generating dense annotation sets. The resulting dataset nonetheless provides a rich and comprehensive foundation for research in human tracking, multi camera fusion, behavior understanding, and security oriented computer vision systems. The expanded analysis concludes that synthetic data, when produced through high fidelity simulation workflows, offers a practical, ethical, and scalable alternative that can significantly advance both methodological and applied research. © 2026 IEEE.
  • Article
    Görüntülerden Bilgi Elde Etmek İçin Görüntü Açıklama Çalışmalarının Sistematik Haritalandırma İncelemesi
    (2020) Sezen, Arda; Turhan, Çiğdem
    Çeşitli görüntü türlerinden görüntü meta verilerini elde etmeyi, işlemeyi ve anlamlı sonuçlar çıkarmayı amaçlayan görüntü açıklaması kavramı, bilgi toplumunda görüntülerden bilgi edinme konusunda daha kritik hale gelmiştir. Bu konuda literatürde önerilen birçok yaklaşım vardır, ancak en uygun olanı seçmek kolay değildir. Bu çalışmada, görüntü açıklamalarındaki kilit yaklaşımlar, kapsamlı bir literatür taraması ve sistematik haritalama yoluyla incelenmiştir. Çalışmamızın yeniliği, literatürdeki görüntü açıklama çalışmalarını araştırmak, haritalamak ve analiz etmek ve seçilen çalışmaları sınıflandırmak, araştırma boşluklarını ortaya çıkarmak ve bu makalede sunulan araştırma soruları için görsel özet hazırlamak adına ilk denemeyi temsil etmesidir. Literatürde, ilgi alanını farklı açılardan araştırmak için sistematik haritalama yaklaşımı önerilmektedir. Bu amaçla, tespit edilen toplam 404 çalışma içerisinden 95 çalışma seçilmiştir. Alandaki literatürün incelenmesi, mevcut yöntemlerin / tekniklerin, araçların, metriklerin, süreçlerin veya diğer teknik yaklaşımların kendi başlarına eksiksiz bir çözüm üretmek için yeterli olmadığını göstermektedir. Önerilen teknikleri birleştirerek ve disiplinlerarası yaklaşımları dikkate alarak yeni çözümler üretmenin gerekliliği de önerilmiştir.
  • Conference Object
    Citation - Scopus: 1
    Semantic Interoperability and Reusability in Iot: a Systematic Mapping Study
    (Institute of Electrical and Electronics Engineers Inc., 2024-09-21) Alsaeh, A.; Sezen, A.
    Internet of Things (IoT) enables different devices, sensors, or humans to connect via the Internet. However, various IoT devices generate heterogeneous data in different formats. This hinders IoT devices from integrating and exchanging data between them. Adding semantic web technologies to the Web of Things (WoT) has greatly enabled IoT devices to be semantically interoperable. Moreover, W3C has established a Semantic Sensor Network (SSN) ontology that can be reused in different IoT applications due to difficulties in developing new ontologies. Many systematic mapping reviews in the literature have addressed semantic interoperability in IoT. Although reusability can play a vital role in enhancing semantic interoperability, none of those studies has discussed reusability and semantic interoperability together in the IoT area. In this article, we are seeking to fill this gap in the current literature by conducting a systematic mapping review for 72 articles to point out semantic interoperability as well as reusability in IoT. Five research questions have been identified regarding challenges and possible solutions about both semantic interoperability and reusability. The reviewed articles are classified into four categories. There are 47 articles about semantic interoperability, 2 of which discuss reusability, 18 of which include semantic interoperability with reusability, and the last category includes surveys. Moreover, the research questions are also assigned to the related category that answers the questions. This article highlights important insights about semantic web techniques namely, RDF, ontology, SPARQL, and OWL. Additionally, this article concludes how these techniques are enhanced in diverse domains such as healthcare, smart cities, and the energy domain. On top of that, this systematic mapping shows how reused ontology plays a remarkable role in the IoT domain Finally, results that answer the research questions are figured out and deeply analyzed in the tables and graphs. © 2024 IEEE.
  • Article
    Citation - WoS: 2
    Citation - Scopus: 3
    A Hybrid Approach for Semantic Image Annotation
    (Ieee-inst Electrical Electronics Engineers inc, 2021) Sezen, Arda; Turhan, Cigdem; Sengul, Gokhan
    In this study, a framework that generates natural language descriptions of images within a controlled environment is proposed. Previous work on neural networks mostly focused on choosing the right labels and/or increasing the number of related labels to depict an image. However, creating a textual description of an image is a completely different phenomenon, structurally, syntactically, and semantically. The proposed semantic image annotation framework presents a novel combination of deep learning models and aligned annotation results derived from the instances of the ontology classes to generate sentential descriptions of images. Our hybrid approach benefits from the unique combination of deep learning and semantic web technologies. We detect objects from unlabeled sports images using a deep learning model based on a residual network and a feature pyramid network, with the focal loss technique to obtain predictions with high probability. The proposed framework not only produces probabilistically labeled images, but also the contextual results obtained from a knowledge base exploiting the relationship between the objects. The framework's object detection and prediction performances are tested with two datasets where the first one includes individual instances of images containing everyday scenes of common objects and the second custom dataset contains sports images collected from the web. Moreover, a sample image set is created to obtain annotation result data by applying all framework layers. Experimental results show that the framework is effective in this controlled environment and can be used with other applications via web services within the supported sports domain.
  • Conference Object
    Latent Space Analysis, Visualization, and Interpretability in Deep Learning: Systematic Review
    (Institute of Electrical and Electronics Engineers Inc., 2026-02-05) Sezen, Arda; Ardogan, Abdullah Taha
    Latent space representations play a key role in modern machine learning models. This systematic review focuses on latent space research with emphasis on analysis methods, dimension reduction, visualization approaches, data types, and study objectives. Both supervised and unsupervised experimental settings are considered. The reviewed studies report diverse outcomes, including performance improvement, accuracy gains, and the discovery of meaningful latent structures. In addition, deep clustering methods are shown to be widely used across various application domains. © 2026 IEEE.
  • Master Thesis
    Lupus Nefriti Etkili Genlerin Belirlenmesinde Makine Öğrenmesi Modellerinin Kullanımı
    (2025) Hammadı, Shaımaa Taha Younıs Al; Sezen, Arda
    Bu tezde, nekroptozis hücre ölümü yoluna ait genler temel alınarak makine öğrenmesi (ML) yöntemlerinin lupus nefriti (LN) hastalarını sağlıklı kontrollerden ayırt etmedeki uygulanabilirliği incelenmiştir. Bu amaçla, LASSO, Random Forest ve SVM algoritmalarını içeren yapılandırılmış ML iş akışları tasarlanmıştır. Tüm modeller; standart ön işleme adımlarının uygulanması, verilerin %70 eğitim ve %30 test setine ayrılması, ölçekleme, özellik seçimi için 10 katlı çapraz doğrulama, hiperparametre optimizasyonu ve %70'lik eğitim verisi üzerinde modelin nihai olarak eğitilmesi gibi ortak bir çerçeveye dayandırılmıştır. Sınıflandırma performansı, ayrılan %30'luk test verisi üzerinde ROC eğrileri ve karışıklık matrisleri kullanılarak değerlendirilmiştir. Üç modelin de yüksek doğrulukta sınıflandırma başarısı gösterdiği saptanmıştır. Modellerin kesişiminde, LN tanısı açısından biyolojik olarak anlamlı ve potansiyel biyobelirteç niteliğinde beş merkez gen öne çıkmıştır. Elde edilen bulgular, makine öğrenmesi yaklaşımlarının LN'nin doğru sınıflandırılmasında ve tanısal açıdan kritik genlerin belirlenmesinde güçlü ve güvenilir bir yöntem sunduğunu ortaya koymaktadır. Ayrıca bu yaklaşım, tekrarlanabilir ve biyolojik açıdan anlamlı içgörüler sağlayarak literatüre katkı sunmaktadır. Gelecekte yapılacak çalışmalar, bu genlerin daha geniş hasta kohortlarında doğrulanmasıyla öngörü performansının daha kapsamlı bir şekilde değerlendirilmesine imkân tanıyacaktır.
  • Conference Object
    A Comparative Study of Deep Learning Models for Log Anomaly Detection Using the HDFS Dataset
    (Institute of Electrical and Electronics Engineers Inc., 2026-02-05) Sezen, Arda; Kavlak, Yesim
    In this paper, we examine log-based anomaly detection based on four deep learning models: Autoencoder, Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), and Transformer. We take the Hadoop Distributed File System (HDFS) dataset, train and test all models using an identical preprocessing pipeline to ensure fair comparison. We perform the log parsing, session formation, and sliding-window generation to convert raw logs into sequential representations suitable for learning. Empirical results demonstrate the capacity that LSTM and Transformer can capture long-term dependencies on log sequences, and CNN and Autoencoder have a moderate detection performance, but they are not able to handle rare or complicated abnormal patterns. The results provide the significance of sequential modeling on log anomaly detection, and they also show that contemporary deep learning approaches substantially surpass reconstruction-based or convolution-based counterparts in standardized environments. © 2026 IEEE.
  • Master Thesis
    Baskı Devre Kartı (PCB) Üretiminde Hata Tespiti için Veri Arttırma Tekniklerinin Karşılaştırmalı Bir Çalışması: Sınırlı Veri Setleri için En İyi Yaklaşımların Belirlenmesi
    (2024) Ural, Doğan Irmak; Sezen, Arda
    Elektronik üretim sektörünün hızla genişlemesiyle birlikte, baskılı devre kartlarında (PCB'ler) hata tespiti, kalite güvencesinin kritik bir unsuru haline gelmiştir. Evrişimli sinir ağları (CNN'ler) ve YOLOv8 gibi derin öğrenme modelleri, otomatik hata tespitinde önemli ilerlemeler kaydetmiş olsa da, bu modellerin başarısı genellikle büyük ve yüksek kaliteli veri kümelerinin sınırlı olmasıyla engellenmektedir. Bu çalışma, veri kümelerinin sınırlı olduğu durumlarda, özellikle küçük nesne tespitine odaklanarak, farklı veri artırma tekniklerinin PCB'lerde hata tespit doğruluğunu nasıl etkilediğini incelemektedir. Bir dizi kontrollü deney yoluyla, görüntü tabanlı ve sınırlayıcı kutu (bounding box) tabanlı veri artırma stratejilerini sistematik olarak karşılaştırdık. Sonuçlar, orta düzeyde gürültü ekleme, hafif döndürmeler ve ince renk ayarları gibi dengeli artırma yöntemlerinin tespit performansını önemli ölçüde artırdığını göstermektedir. Buna karşılık, büyük döndürmeler ve ters çevirme gibi daha agresif artırma tekniklerinin doğruluğu olumsuz etkilediği bulunmuştur. Bu bulgular, dengeli artırma tekniklerinin küçük veri kümelerinin getirdiği sınırlamaları aşmaya yardımcı olabileceğini ve PCB üreticilerine, geniş veri setlerine ihtiyaç duymadan, hata tespit doğruluğunu artırmak için etkili bir yol sunduğunu göstermektedir. Sonuç olarak, çalışma, iyileştirilmiş artırma tekniklerinin, kesinlik, duyarlılık, mAP50 ve F1 skoru gibi temel performans metriklerinde maksimum %11'lik önemli bir artış sağladığını ve tespit doğruluğunu %88'den olağanüstü bir şekilde %99'a çıkardığını göstermektedir.