Şengül, Gökhan

Profile Picture
Name Variants
Gokhan, Sengul
Sengul, Gokhan
Sengul,G.
Gökhan, Şengül
Engul G.
Şengül G.
Şengül, Gökhan
G.,Sengul
Sengul, G.
S.,Gokhan
Sengul G.
Ş., Gökhan
G.,Şengül
G., Sengul
Şengül,G.
G., Şengül
S., Gokhan
Ş.,Gökhan
Job Title
Profesor Doktor
Email Address
gokhan.sengul@atilim.edu.tr
Main Affiliation
Computer Engineering
Status
Website
ORCID ID
Scopus Author ID
8402817900
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID

Sustainable Development Goals Report Points

SDG data could not be loaded because of an error. Please refresh the page or try again later.
Scholarly Output

78

Articles

47

Citation Count

128

Supervised Theses

10

Filters

2020 - 202410
Reset filters

Settings

End date: 2024Start date: 2020

Scholarly Output Search Results

Now showing 1 - 10 of 10
  • Thumbnail Image
    Article
    Citation - WoS: 8
    Citation - Scopus: 28
    An Improved Random Bit-Stuffing Technique With a Modified Rsa Algorithm for Resisting Attacks in Information Security (rbmrsa)
    (Cairo Univ, Fac Computers & information, 2022) Mojisola, Falowo O.; Misra, Sanjay; Febisola, C. Falayi; Abayomi-Alli, Olusola; Sengul, Gokhan; Computer Engineering
    The recent innovations in network application and the internet have made data and network security the major role in data communication system development. Cryptography is one of the outstanding and powerful tools for ensuring data and network security. In cryptography, randomization of encrypted data increases the security level as well as the Computational Complexity of cryptographic algorithms involved. This research study provides encryption algorithms that bring confidentiality and integrity based on two algorithms. The encryption algorithms include a well-known RSA algorithm (1024 key length) with an enhanced bit insertion algorithm to enhance the security of RSA against different attacks. The security classical RSA has depreciated irrespective of the size of the key length due to the development in computing technology and hacking system. Due to these lapses, we have tried to improve on the contribution of the paper by enhancing the security of RSA against different attacks and also increasing diffusion degree without increasing the key length. The security analysis of the study was compared with classical RSA of 1024 key length using mathematical evaluation proofs, the experimental results generated were compared with classical RSA of 1024 key length using avalanche effect in (%) and computational complexity as performance evaluation metrics. The results show that RBMRSA is better than classical RSA in terms of security but at the cost of execution time. (C) 2022 THE AUTHORS. Published by Elsevier B.V. on behalf of Faculty of Computers and Information, Cairo University.
  • Thumbnail Image
    Conference Object
    Citation - Scopus: 0
    A Comparison of Pattern Recognition Approaches for Recognizing Handwriting in Arabic Letters
    (Institute of Electrical and Electronics Engineers Inc., 2021) Douma,A.; Ahmed,A.A.; Sengul,G.; Santhosh,J.; Jomah,O.S.M.; Ibrahim Salem,F.G.; Computer Engineering
    For Arabic letters recognition, we achieve three of pattern recognition approaches namely gray level co-occurrence matrix (GLCM), local binary pattern recognition (LBP) and artificial neural network (ANN) and compare between them to result best performance. Two of these methods level co-occurrence matrix and local binary pattern recognition are used for feature extraction whereas in artificial neural network (ANN) we use the intensity values of pixels for input of the neural network. Two classifiers are used, the K-Nearest Neighbor classifier (KNN) for the LBP, GLCM and neural network classifier for (ANN) artificial neural network. Also, we evaluate the results by using leave one person out approach, fold classification and leave one out. © 2021 IEEE.
  • Thumbnail Image
    Conference Object
    Citation - Scopus: 0
    Applying the Histogram of Oriented Gradients To Recognize Arabic Letters
    (Institute of Electrical and Electronics Engineers Inc., 2021) Douma,A.; Sengul,G.; Ibrahim Salem,F.G.; Ali Ahmed,A.; Computer Engineering
    the aim of this paper is to recognize the Arabic handwriting letters by using histogram of oriented gradients (HOG). We collected 2240 letters by 8 people, each person wrote 28 alphabet letter 10 times. First of all we resize All 2240 hand writing letter of Arabic Alphabet as images(pre-processing) after that extract these images by using one of feature extraction methods which is histogram of oriented gradients (HOG).For classification, the K-Nearest Neighbor (KNN) is used. The results are shown by using 1120 images in the one case and 2240 images in the second case and evaluate these results with the confusion matrix. Other cases we used leave one out (LOO), 2-fold classification and leave one out cross validation. The best fully performance of HOG was with leave one out technique because of the ability of HOG algorithm to capture the shape of letter in the image according to its edges (gradients). © 2021 IEEE.
  • Thumbnail Image
    Master Thesis
    Görüntü İşleme ve Makine Öğrenme Yöntemleri ile Yüz Tanıma
    (2020) Rushdı, Iman Raad; Şengül, Gökhan; Computer Engineering
    İnsan yüzü tanıma, insan yüzünün çok boyutlu karmaşık bir yapı olması nedeniyle zor ve karmaşık bir problemdir. Temel olarak; yüz tanıma bir insanın yüz görüntüsünden kimliğinin belirlenmesi olarak tanımlanabilir. Bu nedenle yüz tanımada görüntü işleme, bilgisayarlı görü ve makine öğrenmesi gibi farklı disiplinlerin bir arada çalışması gerekir. Yüz tanımlamasıyla ilgili temel zorluk; yüz tanımlamasıyla ilgili doğru özelliklerin, doğru bir şekilde nasıl tanımlanacağıdır. Bu çalışma, görüntüden özellik çıkarma ve özellik seçimine dayalı olarak insan yüzünün tanınması için bir yaklaşım sunmaktadır. Önerilen yüz tanıma sistemi ORL ve YALE veri kümelerinde test edilmiştir. Önerilen yöntem başlangıçta üç adımda uygulanmıştır. Ön işleme aşaması için Daubechies dönüşümü ile Ayrık Dalgacık Dönüşümü (DWT) uygulanmıştır. İkinci aşamada, Yerel İkili Kalıp (LBP) ve Gri Seviye Eş-Oluşum Matrisi (GLCM) esas alınarak özellik çıkarma aşaması uygulanmıştır. Üçüncü adım, Öklid Uzaklığı ile sınıflandırma aşamasını içermektedir. Ayrıca, özellik seçimi yaklaşımı için Parçacık Sürüsü Optimizasyonu (PSO) uygulanarak aynı deneyler uygulanmıştır. Çalışmada birkaç sonuç gözlemlemiştir: DWT ve LBP'nin birlikte uygulandığı ilk deneylerde; eğitim kümesindeki görüntü sayısındaki artışla birlikte ORL veritabanında %82,50 tanıma oranı, YALE veritabanında ise %90 tanıma oranı elde edilmiştir. Bununla birlikte, PSO algoritmasının uygulanması durumunda, ORL veritabanı için doğruluk oranını %95'e ve YALE veritabanında doğruluk oranı %93'e kadar artmıştır.
  • Thumbnail Image
    Article
    Citation - WoS: 1
    Citation - Scopus: 1
    A Hybrid Approach for Semantic Image Annotation
    (Ieee-inst Electrical Electronics Engineers inc, 2021) Sezen, Arda; Turhan, Cigdem; Sengul, Gokhan; Computer Engineering; Software Engineering
    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.
  • Thumbnail Image
    Article
    Citation - WoS: 37
    Citation - Scopus: 55
    Deep Learning Based Fall Detection Using Smartwatches for Healthcare Applications
    (Elsevier Sci Ltd, 2022) Sengul, Gokhan; Karakaya, Murat; Misra, Sanjay; Abayomi-Alli, Olusola O.; Damasevicius, Robertas; Computer Engineering
    We implement a smart watch-based system to predict fall detection. We differentiate fall detection from four common daily activities: sitting, squatting, running, and walking. Moreover, we separate falling into falling from a chair and falling from a standing position. We develop a mobile application that collects the acceleration and gyroscope sensor data and transfers them to the cloud. In the cloud, we implement a deep learning algorithm to classify the activity according to the given classes. To increase the number of data samples available for training, we use the Bica cubic Hermite interpolation, which allows us to improve the accuracy of the neural network. The 38 statistical data features were calculated using the rolling update approach and used as input to the classifier. For activity classification, we have adopted the bi-directional long short-term memory (BiLSTM) neural network. The results demonstrate that our system can detect falling with an accuracy of 99.59% (using leave-one-activityout cross-validation) and 97.35% (using leave-one-subject-out cross-validation) considering all activities. When considering only binary classification (falling vs. all other activities), perfect accuracy is achieved.
  • Thumbnail Image
    Article
    Citation - WoS: 18
    Citation - Scopus: 22
    Fusion of Smartphone Sensor Data for Classification of Daily User Activities
    (Springer, 2021) Sengul, Gokhan; Ozcelik, Erol; Misra, Sanjay; Damasevicius, Robertas; Maskeliunas, Rytis; Computer Engineering
    New mobile applications need to estimate user activities by using sensor data provided by smart wearable devices and deliver context-aware solutions to users living in smart environments. We propose a novel hybrid data fusion method to estimate three types of daily user activities (being in a meeting, walking, and driving with a motorized vehicle) using the accelerometer and gyroscope data acquired from a smart watch using a mobile phone. The approach is based on the matrix time series method for feature fusion, and the modified Better-than-the-Best Fusion (BB-Fus) method with a stochastic gradient descent algorithm for construction of optimal decision trees for classification. For the estimation of user activities, we adopted a statistical pattern recognition approach and used the k-Nearest Neighbor (kNN) and Support Vector Machine (SVM) classifiers. We acquired and used our own dataset of 354 min of data from 20 subjects for this study. We report a classification performance of 98.32 % for SVM and 97.42 % for kNN.
  • Thumbnail Image
    Master Thesis
    Makine öğrenme algoritmalarıyla yüz tespiti
    (2020) Hamamchı, Ahmed Ameer Hamdı; Şengül, Gökhan; Computer Engineering
    Bir görüntüdeki yüzlerin ve yüz olmayanların varlığının tespiti, yüzün tutumu (Lokalizasyon), ifade ve ayrımcılık gibi yüz uygulamalarının ilk hareketidir. Yüz tanımanın amacı, bir yüzün bir resimde görünüp görünmediğini belirlemektir. Yüzün bulunduğu görüntünün konumunu bilmek veya bulmak, herhangi bir yüz algılama işleme sisteminin en kritik adımlarından biridir. Yüz algılama sisteminde gerçekleştirilen performans, yüzlerin statik olmadığı (sabit değil) ve duruş, renk, aydınlatma durumu ve ölçek açısından büyük farklılıklar göstermesi nedeniyle, uygulamaların doğru çalışmasına anında etki eder. Yukarıda belirtilen tüm sorunların üstesinden gelmek için otomatik bir sistem planlamak ve hedeflemek zordur. Bu nedenle makine öğrenimi algoritmaları, iyi performans gösteren bir yüz algılama sistemi oluşturmak için başarılı uygulama araçlarından biri olarak bilinir. Yüz algılama sorunu, bir resimdeki insan yüzünün bir veya birden fazla yüzünün algılanmasını içeren bilgisayar görüşü için bir görev olarak adlandırılabilir. Yüzün algılanması, yüz analizlerinin önemli hareketlerinden biridir. Bu tezde, yüzlerin özelliklerini ortaya çıkarmak ve ardından yüzleri sınıflandırmak için kullanılan viyola & jones, LBP (Özellik çıkarıcı), K-NN ve SVM (Sınıflandırıcılar) algoritmalarının genel bir incelemesi, sağlam, verimli ve güvenilir bir yüz algılama sistemi oluşturmak ve her yöntemin avantajları ve dezavantajları kısaca ve ayrıntılı olarak açıklanmakta, ardından hangi yaklaşımın diğerlerine göre daha kesin ve güçlü olduğuna karar verilmektedir. Sonunda, binlerce yüz ve yüz olmayan görüntüden oluşan çalışmamızda kullanılan veri setlerine dayalı olarak SVM, K-NN, LBP ve Viola & Jones için bir karşılaştırma ve değerlendirme yapılır. LBP, K-NN, SVM ve Viola & Jones yöntemleri hızı, doğruluğu, öğrenme yeteneği ve basitliği nedeniyle yüz tanıma için kullanılacak uygun yöntemler gibi görünmektedir. Bu çalışmanın sonuçları, eğitim görüntülerinin sayısı artırılarak sistem doğruluğunun iyileştirilebileceğini göstermiştir. Çalışmada aynı ve farklı boyutlarda iki veri seti kullanılmıştır. Yüzler için aynı yüz boyutlarına sahip veri seti kullanılarak SVM kullanılarak LBP için% 85, K-NN kullanılarak LBP için% 100 ve Viola & Jones için% 88 doğruluk elde edilir. Yüz için farklı boyutlardaki veri seti kullanılarak yüzler için SMV kullanılarak LBP için% 83, K-NN kullanılarak LBP için% 57 ve Viola & Jones için% 68 doğruluk elde edilmiştir.
  • Thumbnail Image
    Article
    Citation - Scopus: 20
    Comparative Analysis of Programming Languages Utilized in Artificial Intelligence Applications: Features, Performance, and Suitability
    (Prof.Dr. İskender AKKURT, 2024) Türkmen,G.; Sezen,A.; Şengül,G.; Computer Engineering
    This study presents a detailed comparative analysis of the foremost programming languages employed in Artificial Intelligence (AI) applications: Python, R, Java, and Julia. These languages are analysed for their performance, features, ease of use, scalability, library support, and their applicability to various AI tasks such as machine learning, data analysis, and scientific computing. Each language is evaluated based on syntax and readability, execution speed, library ecosystem, and integration with external tools. The analysis incorporates a use case of code writing for a linear regression task. The aim of this research is to guide AI practitioners, researchers, and developers in choosing the most appropriate programming language for their specific needs, optimizing both the development process and the performance of AI applications. The findings also highlight the ongoing evolution and community support for these languages, influencing long-term sustainability and adaptability in the rapidly advancing field of AI. This comparative assessment contributes to a deeper understanding of how programming languages can enhance or constrain the development and implementation of AI technologies. © IJCESEN.
  • Thumbnail Image
    Master Thesis
    El Geometri Bilgileri ile İnsan Tanımlama ve Doğrulama
    (2022) Mustafa, Mustafa Kanaan; Şengül, Gökhan; Computer Engineering
    Bu tezde, el geometrisi tabanlı bir insan tanımlama sistemi önerilmiştir. El, insan vücudunun hayati bir bileşenidir. İnsan tanımlama ve doğrulama sistemleri için kullanılabilecek birçok benzersiz özellikten oluşur. Bu çalışma, el görüntülerinden çıkarılan öznitelikleri kullanarak insanı tanımaya yönelik bir yaklaşım sunmaktadır. Önerilen yöntem, ön işleme, özellik çıkarma ve sınıflandırma aşamaları olmak üzere üç aşamada gerçekleştirilmiştir. Ön işleme adımında, özellik çıkarım modeli için el görüntüleri yeniden boyutlandırılır. Öznitelik çıkarma aşamasında, el özniteliklerini çıkarmak için evrişimli sinir ağı (AlexNet modeli) kullanılır. Çıkarılan özellikler, iyi bilinen Destek Vektör Makineleri (SVM) ve k-en yakın komşu sınıflandırıcıları kullanılarak sınıflandırılır. Önerilen yöntem, farklı sayıda eğitim ve test görüntüsü kullanılarak CASIA-MS-Palmprint veri kümesi üzerinde test edilmiştir. el geometrisi tabanlı tanıma sistemi için kullanılır. Ortalama doğruluk, duyarlılık ve özgüllük 94.36, 89.96 ve 90.36 idi. Sistem yeterli sayıda görüntü ile eğitildiğinde tanıma doğruluğu oranının makul olduğu sonucuna varıyoruz.