Tora, Hakan

Tora, Hakan

Profile URL

https://hdl.handle.net/20.500.14411/8032

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

Main Affiliation

Airframe and Powerplant Maintenance

Status

Former Staff

Full item page

Sustainable Development Goals

2

ZERO HUNGER

0

Research Products

14

LIFE BELOW WATER

1

Research Products

17

PARTNERSHIPS FOR THE GOALS

1

Research Products

5

GENDER EQUALITY

0

Research Products

16

PEACE, JUSTICE AND STRONG INSTITUTIONS

0

Research Products

8

DECENT WORK AND ECONOMIC GROWTH

0

Research Products

4

QUALITY EDUCATION

0

Research Products

6

CLEAN WATER AND SANITATION

0

Research Products

7

AFFORDABLE AND CLEAN ENERGY

2

Research Products

10

REDUCED INEQUALITIES

0

Research Products

11

SUSTAINABLE CITIES AND COMMUNITIES

1

Research Products

9

INDUSTRY, INNOVATION AND INFRASTRUCTURE

0

Research Products

1

NO POVERTY

0

Research Products

3

GOOD HEALTH AND WELL-BEING

1

Research Products

12

RESPONSIBLE CONSUMPTION AND PRODUCTION

0

Research Products

13

CLIMATE ACTION

2

Research Products

15

LIFE ON LAND

0

Research Products

This researcher does not have a Scopus ID.

This researcher does not have a WoS ID.

Scholarly Output

57

Articles

11

Views / Downloads

2/0

Supervised MSc Theses

14

Supervised PhD Theses

5

WoS Citation Count

57

Scopus Citation Count

88

WoS h-index

5

Scopus h-index

5

Patents

0

Projects

0

WoS Citations per Publication

1.00

Scopus Citations per Publication

1.54

Open Access Source

7

Supervised Theses

19

Google Analytics Visitor Traffic

Journal	Count
2014 22nd Signal Processing and Communications Applications Conference, SIU 2014 - Proceedings -- 2014 22nd Signal Processing and Communications Applications Conference, SIU 2014 -- 23 April 2014 through 25 April 2014 -- Trabzon -- 106053	3
22nd IEEE Signal Processing and Communications Applications Conference (SIU) -- APR 23-25, 2014 -- Karadeniz Teknik Univ, Trabzon, TURKEY	3
ICECS 2017 - 24th IEEE International Conference on Electronics, Circuits and Systems -- 24th IEEE International Conference on Electronics, Circuits and Systems, ICECS 2017 -- 5 December 2017 through 8 December 2017 -- Batumi -- 134675	2
24th IEEE International Conference on Electronics, Circuits and Systems (ICECS) -- DEC 05-08, 2017 -- Batumi, GEORGIA	2
24th Signal Processing and Communication Application Conference (SIU) -- MAY 16-19, 2016 -- Zonguldak, TURKEY	2

Page Size:

Current Page: 1 / 6

Scopus Quartile Distribution

Competency Cloud

Scholarly Output Search Results

Now showing 1 - 10 of 14

Konvolutional Nöral Ağ Kullanarak Hasta Elma Ağağı Yapraklarinin Segmentasyon
(2020) Al-mashhadanı, Alı; Tora, Hakan
Tarım alanında, uzmanın gözü hastalığı erken bir aşamada tanımlayamayabilir veya doğru bir şekilde teşhis edemeyebilir. Bitki hastalığının yanlış teşhisi genellikle yanlış tedavinin seçilmesine ve bu da mahsulün kaybına neden olur. Bu nedenle, hastalıklı yaprağın otomatik segmentasyon sistemi bu sorunu çözmek için son derece gereklidir. Bu tez Bitki Patolojisi 2020 segmentasyonunda derin öğrenme nin cesaretini görüntüler - FGVC7 veri seti elma kabuğu gibi birden fazla elma foliar hastalığı belirtileri yüksek çözünürlüklü renkli görüntüler içeren, sedir elma pas, ve sağlıklı yapraklar. Önerilen segmentasyon algoritması, U-Net ve ResNet olmak üzere iki farklı mimari kullanılarak yapılan anlamsal segmentasyon yaklaşımıdır. Her iki ağın sonuçları Pixel Accuracy, IoU, F1-Score ve Recall ölçümleri kullanılarak değerlendirilmiş ve karşılaştırma ResNet'in bu amaca yönelik verimliliğini göstermiştir.
Avuç İçi Tanımlaması
(2018) Jebrıel, Belal Alı Mesbah; Tora, Hakan
Bu tez, standart bir veritabanı ve bir temizleyici aracılığıyla avuç izi tanımlanmasının uygunluğunu araştırmaktadır. Bu çalışma, sol el ve sağ el görüntüleri içeren veritabanları CASIA ve IIT için iki öznitelik kümesi kullanmaktadır. Yerel ikili örüntü (YİÖ) ve yönlü gradyan histogram (YGH) öznitelikleri, MATLAB tarafından görüntülerden elde edilmiştir. Eğitim ve test setleri bu özelliklerden oluşturuldu. Çok katmanlı katmanlı bir sinir ağı ve lineer ve kuadratik kernel kullanan destek vektör makineleri (DVM), seçilen veritabanlarında eğitilmiş ve test edilmiştir. Seçilen özellikler deneysel olarak birbirleriyle karşılaştırılmıştır. Her iki sınıflandırıcı için YGH'de daha iyi sonuçlar elde edilmiştir. Ayrıca, sınıflandırıcıların performansı da değerlendirilmiştir. Sinir ağın, her iki veri setinin YİÖ öznitelikleri için SVM'den daha iyi sonuçlar verdiği gözlenmiştir. Ancak, YGH özellikleri için birbirlerine göre çok fazla avantajları yoktur. Anahtar Kelimeler: Avuç izi tanımlama, yerel ikili örüntü (YİÖ), yönlü gradyan histogramı (YGH), sinir ağları, destek vektör makinesi (DVM).
Yapay Sinir Ağları (ysa) Kullanarak Yüz İfadelerini Tanıma
(2012) Günler, Mine Altınay; Tora, Hakan
Yüz ifadeleri sözsüz iletişimin bir türüdür. Kişinin duygu durumunu barındırırlar. Yüz ifadelerini otomatik olarak analiz etme günümüzde popular bir araştırma alanıdır. Psikoloji, eğitim, cinayet masası, suça eğilim analizi gibi çeşitli alanlarda kişinin zihinsel sinyalleri hakkında ipucu elde etmek için kullanılır. Bu tez çalışması duygu tanıma analizi için yapay sinir ağları (YSA) tabanlı üç değişik yaklaşım önermektedir. İlk olarak, ağaç tabanlı sinir ağları yapısı önerilmiştir. İkinci olarak, duygu sınıflandırılması için gizli katman çıktıları kullanılmıştır. Son olarak, yüz özellikleri tabanlı bir sistem tasarlanmıştır. Önerilen her bir metot Matlab kullanılarak oluşturulmuştur ve her biri gülen, sinirli ve bağıran yüz ifadelerini başarılı bir şekilde tanıyabilmektedir.
Kızılötesi Görüntüleme Sistemleri için Sayısal İşaret İşlemci (sii) ile Hızlandırılmış Görüntü İyileştirme
(2011) Akdeniz, Nurpınar; Tora, Hakan
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.
İşaret Dili Çevirmen Sistemi Tasarımı ve Uygulaması
(2021) Tameemı, Ahmed Hashım Hamza; Tora, Hakan
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.
3B Medikal Görüntü İşleme İçin Derin Öğrenme Model Mimarisinin Geliştirmesi ve Analizi
(2025) Yılmaz, Vadi Su; Doruk, Reşat Özgür; Tora, Hakan
Günümüzde medikal görüntü segmentasyonuna yönelik geliştirilen derin öğrenme modelleri, yüksek doğruluk sunmalarına rağmen; aşırı hesaplama maliyeti, karmaşık yapılar ve donanım bağımlılığı nedeniyle pratik kullanımda çeşitli sınırlılıklar barın-dırmaktadır. Bu doğrultuda, kullanıcı dostu, düşük donanım gereksinimiyle çalışabi-len, sade ancak derin yapıda, sınırlı veri setlerinde de etkili sonuçlar verebilen, genellenebilir ve güçlü mimarilere duyulan ihtiyaç giderek artmaktadır. Bu tezde, herhangi bir fine-tuning veya dışsal optimizasyona ( pruning, quantization, attention vb.) ihtiyaç duymadan, yalnızca yapısal mimari iyileştirmelerle yüksek doğruluk elde eden donanım dostu bir 3B CNN modeli geliştirilmiştir. Model mimarisi kapsamlı biçimde ele alınmış; katman derinliği, filtre boyutu, kanal sayısı, aktivasyon ve normalizasyon sıralaması gibi birçok parametre sistematik olarak analiz edilmiştir. Farklı çekirdek boyutlarına sahip konvolüsyon filtreleri hem paralel yollarla aynı blok içinde, hem de ardışık katmanlar arasında dağıtılarak farklı mimari konfigürasyonlarla yapılandırılmıştır. Bu yapılarda tek ve çok katmanlı, simetrik ve asimetrik tasarımlar denenmiştir. Ayrıca model tasarımı sürecinde NAS (Neural Architecture Search) yöntemi uygulanmış; elde edilen mimari varyantlar performans açısından değerlendirilmiştir. Geliştirilen model, klasik U-Net'e kıyasla eğitim süresini 2.5 ila 10 kat arasında kısaltmış, FLOPs değerini yaklaşık yarı yarıya düşürmüş ve benzer Dice Benzerlik Katsayısı (DSC) ile segmentasyon doğruluğunu korumayı başarmıştır. Ayrıca yapılan analizlerde, FLOPs'un gerçek zamanlı performansı belirlemede tek başına yeterli bir ölçüt olmadığı ortaya konmuştur. Bu tez kapsamında yürütülen çalışmalar, yalnızca mimari düzeyde gerçekleştirilen iyileştirmelerle yüksek doğruluk ve donanım verimliliğine ulaşılabileceğini göstermekte; geliştirilen yapının sade fakat derin mimarisi-yle genellenebilirliği, sınırlı veri setlerinde başarımı ve hangi mimari parametrelerin modele belirgin katkı sağladığı detaylı biçimde ortaya konmuştur.
El Yazısı Rakam Tanıma için Yapay Sinir Ağları Tabanlı Öznitelik Çıkarma
(2017) Pirim, Mine Altınay Günler; Tora, Hakan; Öztoprak, Kasım
Bu tezde, yarı eğitilmiş sinir ağlarının gizli katman çıktı ağırlıklarının öznitelik vektörü olarak kullanılabileceği önerilmektedir. Sinir ağları örüntü tanımada sınıflandırma yapmayı sağlayan bir algotimadır. Bu çalışmada bu gerçeğe ek olarak, yarı eğitilmiş sinir ağlarının gizli katman çıktı vektörlerinin görüntünün öznitelikleri olarak kullanılmasında bir araç olarak kullanılabileceği gösterilmiştir. Sistem ana olarak 3 basamaktan oluşmaktadır: önişlemci, öznitelik çıkarıcı ve sınıflandırıcı. Herbir deneyde sadece sınıflandırıcı katmanı değişmektedir diğer iki katman tüm deneyler için default olarak kullanılmaktadır. Sıfılanırıcı olarak destekçi vektör makinaları, sinir ağları ve Öklid uzaklığı sınıflanıdırıclarından yararlanılmıştır. Önerilen sistem performansını değerlendilmesi MNIST ve USPS denektaşı verikümeleri üzerinde yapılmıştır.
Platformdan Bağımsız Bir Otomatik Konuşma Tanıma Sisteminin Tasarlanması ve Uygulanması
(2012) Urgun, Doğan; Erden, Abdulkadir; Tora, Hakan
Bu tez içerisinde, 50 kelime ile sınırlı bir ayrık kelimeli hece tabanlı konuşma tanıma sistemi tasarlanmış ve test edilmiştir. Türkçenin sondan eklemeli yapısından dolayı kelime tabanlı bir yaklaşımın konuşma tanıma performansı üzerinde negatif etkisi olacaktır. Bu sebepten ötürü fonem tabanlı yapılar konuşma tanıma içinde geniş biçimde kullanılmaktadır ancak fonemlerin küçük boyutları onların tanınmasını zorlaştırmaktadır. Bu nedenle, bu tezde hece tabanlı bir yaklaşımın takip edilmesine karar verilmiştir.Bu tez kapsamında bir hece tespit etme algoritması tasarlanmıştır. Mel Frekansı Kepstral Katsayıları özellik çıkarmak üzere seçilmiştir ve Yapay Sinir Ağları hecelerin sınıflandırılmasında kullanılmıştır. Son olarak, Yapay Sinir Ağlarının sonuçları hece tabanlı sistem için tasarlanan dil modeli içerisinde işlenmiştir.Tasarlanan sistem 5 farklı kişiden 50 kelime için alınan 10 örnekle eğitilmiş ve test edilmiştir. Sistem yaklaşık %85 konuşma tanıma performansı göstermiştir. Ayrıca sistem eğitilmemiş bir konuşmacı tarafından da test edilmiş ve %75 konuşma tanıma performansı elde edilmiştir.
Frekans Alanında Görüntü Sınıflandırma için Konvolüsyonel Sinir Ağlarının Uygulanması
(2024) Dağı, Göktuğ Erdem; Gökçay, Erhan; Tora, Hakan
Bu tezde, Evrişimsel Sinir Ağları (CNN'ler) son yıllarda çeşitli görüntü işleme ve bilgisayarlı görme görevlerinde dikkate değer başarılar elde etmiştir. Geleneksel CNN'ler doğrudan uzaysal alan görüntüleri üzerinde çalışır. Bununla birlikte, Hızlı Fourier Dönüşümü (FFT) yoluyla elde edilen görüntülerin frekans alanı gösterimi, piksel değerlerinin ilişkisizleştirilmesi ve hesaplama karmaşıklığında potansiyel azalma gibi benzersiz avantajlar sunar. Bu tez, görüntü sınıflandırmasını ve tanıma doğruluğunu artırmak için FFT ile dönüştürülmüş görüntülerin CNN algoritmalarına girdi olarak kullanılmasının etkilerini araştırmayı amaçlamaktadır. Araştırma, FFT'nin teorik temellerinin ve özelliklerinin kapsamlı bir incelemesiyle başlıyor. Daha sonra CNN'ler için ön işleme ardışık düzenlerinde FFT'nin entegrasyonunu araştırıyor. Giriş görüntülerini uzamsal alandan frekans alanına dönüştürerek, CNN'lerin en önemli frekans bileşenlerine odaklanarak daha verimli öğrenebileceğini, dolayısıyla yakınsama oranlarını ve genel performansı potansiyel olarak iyileştirebileceğini varsayıyoruz. Bunun etkinliğini değerlendirmek için CIFAR-10 (Kanada İleri Araştırma Enstitüsü), MNIST (Modifiye Ulusal Standartlar ve Teknoloji Enstitüsü)-Digits ve MNIST-Fashion dahil olmak üzere çeşitli kıyaslama veri setleri kullanılarak deneyler gerçekleştirildi. yaklaşmak. FFT ile dönüştürülmüş görüntüler çeşitli CNN mimarilerine beslendi ve sonuçlar, geleneksel uzaysal alan girdileri kullanılarak elde edilenlerle karşılaştırıldı. Sınıflandırma doğruluğu, eğitim süresi ve hesaplamalı kaynak kullanımı gibi ölçümler titizlikle analiz edildi. Sonuçlar, FFT tabanlı ön işlemenin, özellikle veri kümelerinin yüksek frekanslı gürültü veya gereksiz bilgi içerdiği senaryolarda, sınıflandırma doğruluğunda iyileştirmelere yol açabileceğini göstermektedir. Ancak faydaların farklı veri kümeleri ve ağ mimarileri arasında farklılık göstermesi, FFT ön işlemenin etkililiğinin bağlama bağlı olabileceğini düşündürmektedir. Sonuç olarak bu tez, FFT ön işlemesinin CNN iş akışlarına dahil edilmesinin görüntü işleme görevlerini geliştirme konusunda umut vaat ettiğini göstermektedir. Bulgular, hem uzaysal hem de frekans alanı bilgisinden yararlanan hibrit modellerin geliştirilmesi ve FFT tabanlı tekniklerin diğer sinir ağı türlerine ve makine öğrenimi algoritmalarına uygulanması da dahil olmak üzere gelecekteki araştırmalar için yollar önermektedir. Bu çalışma, bilgisayarlı görme alanını geliştirmek için frekans alanı analizinin derin öğrenme metodolojileriyle nasıl sinerjik olarak entegre edilebileceğinin daha geniş bir şekilde anlaşılmasına katkıda bulunmaktadır.
Doku ve Şekil Bazlı Özellikler Kullanarak Yüz İfadesi Tanımlama
(2016) Gül, Nuray; Tora, Hakan
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.

Tora, Hakan

Profile URL

Name Variants

Job Title

Email Address

Main Affiliation

Status

Website

ORCID ID

Scopus Author ID

Turkish CoHE Profile ID

Google Scholar ID

WoS Researcher ID

Sustainable Development Goals

2

ZERO HUNGER

0

Research Products

14

LIFE BELOW WATER

1

Research Products

17

PARTNERSHIPS FOR THE GOALS

1

Research Products

5

GENDER EQUALITY

0

Research Products

16

PEACE, JUSTICE AND STRONG INSTITUTIONS

0

Research Products

8

DECENT WORK AND ECONOMIC GROWTH

0

Research Products

4

QUALITY EDUCATION

0

Research Products

6

CLEAN WATER AND SANITATION

0

Research Products

7

AFFORDABLE AND CLEAN ENERGY

2

Research Products

10

REDUCED INEQUALITIES

0

Research Products

11

SUSTAINABLE CITIES AND COMMUNITIES

1

Research Products

9

INDUSTRY, INNOVATION AND INFRASTRUCTURE

0

Research Products

1

NO POVERTY

0

Research Products

3

GOOD HEALTH AND WELL-BEING

1

Research Products

12

RESPONSIBLE CONSUMPTION AND PRODUCTION

0

Research Products

13

CLIMATE ACTION

2

Research Products

15

LIFE ON LAND