Çamalan, Seda

Profile Picture
Name Variants
Camalan,S.
Çamalan, Seda
S.,Çamalan
C., Seda
S., Camalan
S.,Camalan
Seda, Camalan
Camalan, Seda
Çamalan,S.
Seda, Çamalan
Ç.,Seda
C.,Seda
Job Title
Doktor Öğretim Üyesi
Email Address
seda.camalan@atilim.edu.tr
ORCID ID
Scopus Author ID
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
Scholarly Output

4

Articles

1

Citation Count

18

Supervised Theses

2

Filters

2013 - 20184
Reset filters

Settings

Scholarly Output Search Results

Now showing 1 - 4 of 4
  • Thumbnail Image
    Doctoral Thesis
    3 boyutlu vücut ve yüz görüntülerinden yaş ve cinsiyet tahmini
    (2018) Şengül, Gökhan; Çamalan, Seda; Şengül, Gökhan; Computer Engineering; Information Systems Engineering
    İnsanlardan elde edilen biyometrik veriler, insanlar ve çevre hakkında birçok bilgi sağlar. Bu bilgi ulaşım alanları (otobüs, vapur, demiryolu, vb), alışveriş merkezleri, kamu alanları, spor merkezleri, müzeler, süpermarketler, kütüphaneler, vb. gibi birçok alanda kullanılabilir. Birçok alanda dikkate alınan biyometrik veriler cinsiyet, ırk, boy, kilo, göz ve saç rengidir. Bu tez çalışmasında, insanların biyometrik verilerinden yaş aralığını ve cinsiyetlerini tahmin eden bir görüntü işleme tabanlı kombine sistem geliştirilmiş ve bir yazılım aracı haline getirilmiştir. Yüz görüntülerini elde etmek için standart RGB kamera kullanılırken vücut bilgilerini elde etmek için 3D kamera kullanılmaktadır. İnsanların cinsiyet ve yaşını tahmin etmek için istatistiksel örüntü tanıma algoritmaları, derin öğrenme ve yapay sinir ağı tabanlı yaklaşımlar kullanılmıştır. İstatistiki metotlar olarak, LBP ve HOG metotları, özniteliklerin elde edilmesi için yüz görüntülerine uygulanmakta, daha sonra KNN ve SVM sınıflandırıcılar, cinsiyet ve yaş tahmini için kullanılmaktadır. İnsanların yaşını tahmin etmek için yapay sinir ağı da kullanılmıştır ve istatistiksel yöntemler ile yapay sinir ağları arasındaki karşılaştırmalar yapılmıştır. Yaş aralığı tahmini için yüz görüntülerinden istatistiksel yöntemler ile en iyi doğruluk %40,1 olarak elde edilmiştir. CNN derin öğrenmelerinden elde edilen en iyi doğruluk oranı ise %59.1'dir. Yaş ve cinsiyet tahmini için 3D vücut bilgisi de kullanılmıştır. Yapay sinir ağları ile 3D vücut bilgilerinin sınıflandırılması sonucu cinsiyet tahmini başarımı oranını %99,26'ya ve yaş tahmini % 99.41'e yükseltilmiştir. Üst vücut ve alt vücut kısımlarının da insanların yaşının ve cinsiyetininin tahmini için kullanılabileceği değerlendirilmiş ve deneysel çalışmalar yapılmıştır.
  • Thumbnail Image
    Article
    Citation Count: 15
    GENDER DETECTION USING 3D ANTHROPOMETRIC MEASUREMENTS BY KINECT
    (Polska Akad Nauk, Polish Acad Sciences, 2018) Şengül, Gökhan; Sengul, Gokhan; Çamalan, Seda; Maskeliunas, Rytis; Mısra, Sanjay; Computer Engineering; Information Systems Engineering
    Automatic gender detection is a process of determining the gender of a human according to the characteristic properties that represent the masculine and feminine attributes of a subject. Automatic gender detection is used in many areas such as customer behaviour analysis, robust security system construction, resource management, human-computer interaction, video games, mobile applications, neuro-marketing etc., in which manual gender detection may be not feasible. In this study, we have developed a fully automatic system that uses the 3D anthropometric measurements of human subjects for gender detection. A Kinect 3D camera was used to recognize the human posture, and body metrics are used as features for classification. To classify the gender, KNN, SVM classifiers and Neural Network were used with the parameters. A unique dataset gathered from 29 female and 31 male (a total of 60 people) participants was used in the experiment and the Leave One Out method was used as the cross-validation approach. The maximum accuracy achieved is 96.77% for SVM with an MLP kernel function.
  • Thumbnail Image
    Conference Object
    Citation Count: 3
    Gender prediction by using Local Binary Pattern and K Nearest Neighbor and Discriminant Analysis classifications;
    (Institute of Electrical and Electronics Engineers Inc., 2016) Çamalan, Seda; Sengul,G.; Şengül, Gökhan; Information Systems Engineering; Computer Engineering
    In this study, gender prediction is investigated for the face images. To extract the features of the images, Local Binary Pattern (LBP) is used with its different parameters. To classify the images male or female, K-Nearest Neighbors (KNN) and Discriminant Analysis (DA) methods are used. Their performances according to the LBP parameters are compared. Also classification methods' parameters are changed and the comparison results are shown. These methods are applied on FERET database with 530 female and 731 male images. To have better performance, the face parts of the images are cropped then feature extraction and classification methods applied on the face part of the images. © 2016 IEEE.
  • Thumbnail Image
    Master Thesis
    Görüntü bölütlemede filtreleme ve örnekleme önişleme adımlarının incelenmesi
    (2013) Koyuncu, Murat; Çamalan, Seda; Koyuncu, Murat; Information Systems Engineering
    Bir resimden anlamsal veri çıkarımı için bir işlemler serisi uygulanır ve bu işlerden biri de görüntü segmentasyonudur. Görüntü segmentasyonu, görüntüyü her bir parça renk ve desen gibi benzer parçalar olacak şekilde küçük parçalara (segmentlere) ayırır. Bu tezde, önişlem yöntemlerinin resim segmentasyonu üzerine etkileri farklı açılardan incelenmiştir. İlk olarak, ön işlem metotlarından biri olan Peer Group Filtering görüntüler üzerine uygulanmış ve görüntü segmentasyonu üzerine etkileri incelenmiştir. Peer Group Filtering algoritması resimdeki gürültüleri yok etmek ve resimdeki renk değişikliklerini düzeltmek için kullanılmaktadır. İkinci olarak, diğer bir görüntü segmentasyonu ön işlemi olan Lloyd?s örnekleme algoritması uygulanmış ve görüntü segmentasyonuna katkısı incelenmiştir. Llody?s örnekleme algoritması görüntüdeki renk sayısını azaltılmaktadır. Son olarak, iki farklı segmentasyon algoritması (fast scanning ve JSEG algoritması) ön işlemden geçmiş görüntüler kullanılarak karşılaştırılmıştır. Çalışmada, doğal ve sentetik görüntüler deneysel olarak test edilmiştir. Sonuçlar açıkça gösteriyor ki, Peer Group Filtering ön işleminden sonra, segmentasyon başarısı artmış, segmentasyon çalışma süresi azalmıştır. Diğer taraftan, örneklemeyle ilgili deney sonuçlarına göre Lloyd?s örnekleme algoritmasından yararlanmakta örnekleme seviyesi seçimi çok önemlidir. Eğer doğru örnekleme seviyesi seçilirse, örnekleme segmentasyon işlemine yardımcı olmaktadır.