Tora, Hakan

Tora, Hakan

Name Variants

Tora,H.
T., Hakan
Tora, Hakan
H., Tora
H.,Tora
T.,Hakan
Hakan, Tora

Job Title

Doktor Öğretim Üyesi

Email Address

hakan.tora@atilim.edu.tr

Full item page

Scholarly Output

39

Articles

9

Citation Count

35

Supervised Theses

15 Scholarly Output Search Results

Now showing 1 - 10 of 39

Kızılötesi görüntüleme sistemleri için sayısal işaret işlemci (Sİİ) ile hızlandırılmış görüntü iyileştirme
(2011) Tora, Hakan; Tora, Hakan; Airframe and Powerplant Maintenance
Bu çalışma, kızılötesi görüntüler için Dengeli Karşıtlık Uyarlamalı Histogram Denkleme ve Yeğinlik Pekiştirme tekniğinin gömülü platform üzerine uyarlanmasını ele alır. Geliştirilen yazılım BeagleBoard üzerine entegre edilerek, operatör ekranı için gerekli olan performansı sağlayacak iyileştirme teknikleri araştırılmıştır. Genel amaçlı işlemci ve sayısal işaret işlemcisi (Sİİ) arasında paylaştırılan dağıtık yazılım, hesaplamanın yoğun olduğu işlemlerde Sİİ kaynaklarını kullanır. Performans analizleri, farklı parametreler için yapılmış ve tekniğin doğruluğu MATLAB çıktıları ile karşılaştırılmıştır.
Citation Count: 0
Two-Stage Feature Generator for Handwritten Digit Classification
(Mdpi, 2023) Tora, Hakan; Tora, Hakan; Oztoprak, Kasim; Butun, Ismail; Airframe and Powerplant Maintenance
In this paper, a novel feature generator framework is proposed for handwritten digit classification. The proposed framework includes a two-stage cascaded feature generator. The first stage is based on principal component analysis (PCA), which generates projected data on principal components as features. The second one is constructed by a partially trained neural network (PTNN), which uses projected data as inputs and generates hidden layer outputs as features. The features obtained from the PCA and PTNN-based feature generator are tested on the MNIST and USPS datasets designed for handwritten digit sets. Minimum distance classifier (MDC) and support vector machine (SVM) methods are exploited as classifiers for the obtained features in association with this framework. The performance evaluation results show that the proposed framework outperforms the state-of-the-art techniques and achieves accuracies of 99.9815% and 99.9863% on the MNIST and USPS datasets, respectively. The results also show that the proposed framework achieves almost perfect accuracies, even with significantly small training data sizes.
Citation Count: 7
A generalized Arnold's Cat Map transformation for image scrambling
(Springer, 2022) Turan, Mehmet; Gokcay, Erhan; Gökçay, Erhan; Buker, Mohamed; Tora, Hakan; Mathematics; Software Engineering; Airframe and Powerplant Maintenance
This study presents a new approach to generate the transformation matrix for Arnold's Cat Map (ACM). Matrices of standard and modified ACM are well known by many users. Since the structure of the possible matrices is known, one can easily select one of them and use it to recover the image with several trials. However, the proposed method generates a larger set of transform matrices. Thus, one will have difficulty in estimating the transform matrix used for scrambling. There is no fixed structure for our matrix as in standard or modified ACM, making it much harder for the transform matrix to be discovered. It is possible to use different type, order and number of operations to generate the transform matrix. The quality of the shuffling process and the strength against brute-force attacks of the proposed method is tested on several benchmark images.
Citation Count: 0
Design and Implementation of an Expressive Talking Mobile Robot: TozTorUs
(Institute of Electrical and Electronics Engineers Inc., 2018) Tozan, Özalp; Tora, Hakan; Uslu,B.; Una,B.; Ceylan,E.; Computer Engineering; Airframe and Powerplant Maintenance
This paper is about a brand new robot and all its development stages from the design to the show time. As an undergraduate research project (the LAP program at Atilim University), the robot TozTorUs is the outcome of the dense efforts of a team. With the sensors equipped, it navigates autonomously in the environment in which it is located by avoiding the obstacles. It can understand your questions and answer them using Google's speech technologies. Although it is not a humanoid robot, with eyes and mouth simulator LED displays, it is as friendly as a human. We can also control TozTorUs using a mobile phone. Apart from these, it is able to adjust its height with respect to the visitor's, thus allowing it to make an eye contact with the person. Although TozTorUs is designed for welcoming, it may also be employed for consulting, security and elderly assistance. © 2018 IEEE.
Araba plaka tanıma
(2009) Tora, Hakan; Tora, Hakan; Çağıltay, Nergiz Ercil; Airframe and Powerplant Maintenance
Hızlı gelisen teknoloji ile beraber ülkelerdeki araç sayısı artmıstır. Araçsayısının artısına paralel olarak araçların tanınması gereksinimi de artmıstır.Güvenlik, otomatik geçis sistemleri, otoyollarda hız tespiti, ısık ihlali gibidurumlarda araçların tanınması ihtiyacı doğmustur. Araç plaka tanıma sistemi üç anakonudan olusmaktadır. Sayısal bir görüntüden plakanın bulunması, bulunan plakagörüntüsünden karakterlerin ayrıstırılması, ayrıstırılan karakterin tanınmasıdır. Butez çalısmasında ikinci ve üçüncü konular üzerine bir çalısma yapılmıstır. Öncekiyapılan çalısmalar incelendiğinde daha çok yapay sinir ağları ile karakter tanınmayaçalısıldığı görülmüstür. Bu çalısmada yapay sinir ağları veya karmasık matematikselislemler yerine insan gözü ile karakterin nasıl algılandığına dikkat edilmistir. Plakagörüntüsü gri seviyeye indirgenmis, esik değeri hesaplanmıs ve ikili sistemeçevrilmistir. Plaka görüntüsü ikili sisteme çevrildikten sonra dikey ve yataydoğrultularda taranarak karakterlerin sınırları bulunmustur. Bulunan karakterlersoldan sağa, sağdan sola, yukarıdan asağıya, asağıdan yukarı taranarak her birkarakter için özellik sınıfları olusturulmustur. Daha önceden karakterler içinhazırlanmıs olan özellik sınıfları veritabanı ile karakterin özellik sınıfıkarsılastırılmıstır. Karakterin diğer karakterlere benzeme oranı kullanıcıyagösterilmistir. Çalısma esnasında T.C. araç plakaları kullanılmıstır.Anahtar Kelimeler : Araba Plakası Tanıma
İşaret dili çevirmen sistemi tasarımı ve uygulaması
(2021) Tora, Hakan; Tora, Hakan; Airframe and Powerplant Maintenance
Sağlıklı ve sağır insanlar arasında yorumlama stratejileri tasarlamak için çok sayıda çaba sarf edilmiştir. Bu sistemlerin en önemlilerinden biri İnsan-Bilgisayar-Etkileşim (HCI) sistemleri olarak adlandırılan sistemlerdir. Bu alanda son yıllarda birçok işaret dili simülasyon çalışması geliştirilmektedir. Bu çabalar en fazla İşaret Dili'ni İngilizce konuşma ve metne, ayeti ise İngilizceye dönüştürmek için çalışıldı. Genellikle sağlıklı kişilerle Arap sağırları arasında minimum etkileşim vardır. Bu nedenle, normal kişiler ve Arap sağır topluluğu arasında daha iyi bir iletişim sağlamak için ArSL'yi Arapça konuşmaya veya metne çevirebilen bir dönüştürme sistemi tasarlamak çok önemlidir. Bu tezde, Konuşmadan İşaret diline çeviri sistemi yapılacaktır; hedef, Arap harflerinin konuşma sinyallerini standart Arap işaret diline çevirebilen bir çevirmen şeması tasarlamaktır. Bu devre, sağırlar ve normal insanlar arasındaki iletişim gibi çok sayıda uygulama için kullanılabilecek insan dostu bir program şemasını gerçekleştirmek için kullanılabilir. Sistem tasarım gereksinimlerini karşılamak için, veri toplama için konuşma sinyallerinin kaydedilmesi, ön işlemeden sonra özellik çıkarımı ve tanıma son adımı dahil olmak üzere çeşitli aşamalar gerçekleştirilmiştir. Daha sonra sistem, konuşulan harfin tersi olan parmak hareketlerinin görüntüsünü göstermek için çevirmen yapısına tanıma faktörlerini sağlar. Bu çalışmada Örüntü Tanıma Sinir Ağı (PRNN) kullanılmıştır. Girdi örneklerini istenen sınıflara ayırma yeteneğine sahip ileri beslemeli bir ağdır. Ağ, toplam 28 ana Arap harfinin her harfi için 20 örnek olmak üzere 560 eğitim örneği ile geri yayılım algoritması ile eğitilmiştir. Ardından, PRNN modelinin eşleşen çıktı etiketlerini ne kadar uygun tahmin ettiğini görmek için eğitilen model sırasıyla 140 ve 140 veri seti ile doğrulandı ve test edildi. Ağ, 28 sınıfın (harflerin) tamamı için başarıyla eğitilmiştir. Tanıma, %98'e varan mükemmel bir teşhis oranıyla sağlandı.
Citation Count: 3
An alternative method for cell counting;
(2011) Özkan, Akın; Tora, Hakan; Tora,H.; Uyar,P.; Işcan,M.; Airframe and Powerplant Maintenance; Department of Electrical & Electronics Engineering
Cell counts and classification of the cells play an important role in the field of microbiology and cell biology. Although there exists many counting processes for cells of interest in suspension, the most basic cell counting process is performed by a person via the microscope. For counting cells the simplest, widely used and the most economic method is the use of hemocytometer counting. In this study, the hemocytometer counting was used but the the cells were counted by a proposed image based approach. The developed technique herein uses neural network along with the Hough transform. © 2011 IEEE.
Arnold CAT dönüsümünün genelleştirilmesi ve görüntü steganografisinde kesir tabanlı gömme
(2019) Tora, Hakan; Tora, Hakan; Gökçay, Erhan; Airframe and Powerplant Maintenance
Veri iletişiminin hızlı gelişimi ve ağlar aracılığıyla iletilen bilgilerin artması, değiş tokuş edilen bilgileri korumanın yeni yollarını bulmayı çok önemli kılmaktadır. Şifreleme günümüzde bu alanda en yaygın kullanılan yöntemlerden biridir. Steganografi, iletilen bilgilerin yalnızca şifrelenmekten ziyade herkes tarafından görünmez olduğu araştırma alanıdır. Steganografinin arkasındaki fikir bilginin varlığını gizlemektir. Bir üçüncü taraf bilgi olduğunu bildiği sürece, şifreli olsun ya da olmasın, bilgi risk altında olacaktır. Bu tezde, iki güvenlik seviyeli bir steganografik model sunuyoruz. İlk olarak, gizli görüntü Genelleştirilmiş Arnold CAT Haritamız (ACM) kullanılarak karıştırılmıştır. Daha sonra, karıştırılmış görüntü, dönüşüm bölgesinde hem Ayrık Dalgacık Dönüşümü (DWT) hem de Kaldırılmış Dalgacık Dönüşümü (LWT) ile Kesir Tabanlı Gömme Tekniğimizi (FBE) kullanarak başka bir görüntünün içine gömülür. Modelimizin verimliliği, referans renkli görüntüler üzerinde test edildi. Tepe Sinyal Gürültü Oranı (PSNR), Ortalama Kare Hatası (MSE), Yapısal Benzerlik (SSIM) ve Korelasyon değerleri hesaplandı. Sonuçlar, Genelleştirilmiş ACM'mizin, ACM'nin standart ve değiştirilmiş versiyonlarına kıyasla daha sağlam olduğunu göstermektedir. Aynı zamanda, yeni FBE tekniğimizin sonuçları, PSNR ve MSE değerleri ile ilgili diğer tekniklerden daha iyi performans göstermektedir.
Citation Count: 0
Tree based neural network design for emotion identification analysis;
(2011) Tora, Hakan; Altinay Günler,M.; Airframe and Powerplant Maintenance
Emotion identification analysis became popular research area nowadays. It can be used in many areas such as physiology, education, murder squad, tendency to crime to get a clue about mental signals of a person. Facial expressions are kind of communication channels that carry sense signals. Therefore, they are as important as speech and body movement. Sometimes they are much more meaningful because of their naturalness. That is why it is appreciated to work on automatically recognition of facial expressions. This paper proposes an approach to recognize facial expressions by using neural network. Using one unit neural network is enough to recognize the facial expressions but using a tree structure neural network increases the accuracy of the results and the performance of the testing set. In this study, it is proposed a tree network architecture which yields better recognition performance. © 2011 IEEE.
Doku ve şekil bazlı özellikler kullanarak yüz ifadesi tanımlama
(2016) Tora, Hakan; Tora, Hakan; Airframe and Powerplant Maintenance
Son zamanlarda, yüz ifadesi tanıma sistemleri (YİT), insan-makine etkileşimi uygulamaları (İME) için önemli bir role sahip olmuştur. Mevcut olan birçok sistemde, bir his tanımlanırken ya tüm yüze ait özellikler ya da yüzün bazı bölgelerine ait özellikler birleştirilerek kullanılmıştır. Bu çalışma ise her duygu tanımlanırken sadece bir uygun bölgenin kullanılmasını önermektedir ve böylece bu bölgelerin ayrı ayrı hisler üzerindeki etkilerinin ne olduğunu göstermeyi amaçlamaktadır. Sunulan tasarımda, Şaşkın ve Mutlu hislerinin ağız bölgesinin şekil özellikleri kullanılarak, diğer taraftan Korku, Öfke ve İğrenme hislerinin göz bölgesinin doku özellikleri kullanılarak tanımlanması hedeflenmiştir. Bu sebeple Fourier Tanımlayıcıları (FT) ve Yerel İkili Örüntüler (YİÖ) özellik vectörleri olarak çıkarılmış ve bu özellikler Yapay Sinir Ağları (YSA) kullanılarak sınıflandırılmıştır. Sistem, genişletilmiş Cohn-Kanade Veritabanı (CK+) üzerinde eğitilmiş ve tüm sistem için yaklaşık %88,9 başarım oranı elde edilmiştir.