Şengül, Gökhan

Profile Picture
Profile URL
https://hdl.handle.net/20.500.14411/7052
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
G-8213-2016

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
4
Research Products
QUALITY EDUCATION4
QUALITY EDUCATION
1
Research Products
GENDER EQUALITY5
GENDER EQUALITY
1
Research Products
CLEAN WATER AND SANITATION6
CLEAN WATER AND SANITATION
0
Research Products
AFFORDABLE AND CLEAN ENERGY7
AFFORDABLE AND CLEAN ENERGY
1
Research Products
DECENT WORK AND ECONOMIC GROWTH8
DECENT WORK AND ECONOMIC GROWTH
0
Research Products
INDUSTRY, INNOVATION AND INFRASTRUCTURE9
INDUSTRY, INNOVATION AND INFRASTRUCTURE
2
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
1
Research Products
LIFE ON LAND15
LIFE ON LAND
0
Research Products
PEACE, JUSTICE AND STRONG INSTITUTIONS16
PEACE, JUSTICE AND STRONG INSTITUTIONS
1
Research Products
PARTNERSHIPS FOR THE GOALS17
PARTNERSHIPS FOR THE GOALS
0
Research Products
Documents

40

Citations

343

h-index

12

Go to Scopus profile
Documents

17

Citations

106

Go to WoS profile
Scholarly Output

83

Articles

49

Views / Downloads

104/187

Supervised MSc Theses

9

Supervised PhD Theses

3

WoS Citation Count

217

Scopus Citation Count

331

Patents

0

Projects

0

WoS Citations per Publication

2.61

Scopus Citations per Publication

3.99

Open Access Source

18

Supervised Theses

12

JournalCount
Biomedical Research (India)5
UBMK 2018 - 3rd International Conference on Computer Science and Engineering -- 3rd International Conference on Computer Science and Engineering, UBMK 2018 -- 20 September 2018 through 23 September 2018 -- Sarajevo -- 1435604
3rd International Conference on Computer Science and Engineering (UBMK) -- SEP 20-23, 2018 -- Sarajevo, BOSNIA & HERCEG2
2016 24th Signal Processing and Communication Application Conference, SIU 2016 - Proceedings -- 24th Signal Processing and Communication Application Conference, SIU 2016 -- 16 May 2016 through 19 May 2016 -- Zonguldak -- 1226052
International Journal of Engineering Education2
Current Page: 1 / 9

Scopus Quartile Distribution

Competency Cloud

GCRIS Competency Cloud

Filters

2020 - 20223
Reset filters

Settings

Start date: 2020Subject: Computer Engineering and Computer Science and Control

Scholarly Output Search Results

Now showing 1 - 3 of 3
  • Thumbnail Image
    Master Thesis
    Görüntü İşleme ve Makine Öğrenme Yöntemleri ile Yüz Tanıma
    (2020) Rushdı, Iman Raad; Şengül, Gökhan
    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
    Master Thesis
    Makine öğrenme algoritmalarıyla yüz tespiti
    (2020) Hamamchı, Ahmed Ameer Hamdı; Şengül, Gökhan
    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
    Master Thesis
    El Geometri Bilgileri ile İnsan Tanımlama ve Doğrulama
    (2022) Mustafa, Mustafa Kanaan; Şengül, Gökhan
    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.