7 results
Search Results
Now showing 1 - 7 of 7
Master Thesis Arapça El Yazısı Harflerin Örüntü Tanıma Yaklaşımları Kullanılarak Tanınması(2017) Douma, Aısha; Şengül, GökhanEl yazısı ile yazılmış harflerin otomatik olarak tanınması; ofis otomasyonu, bankacılık ve güvenlik gibi birçok alanda insanlar ve makineler arasındaki etkileşimi geliştirmek için kullanılır ve insanlar tarafından yazılmış dokümanların makine ile kodlanmış hale dönüştürme sürecidir. Bu tezde, Arapca el yazısı karekterlerin tanınması için gri seviyeli eş oluşum matrisleri (GLCM), yerel ikili örüntü (LBP), yapay sinir ağı (ANN) ve odaklı gradient histogram (HOG) olarak adlandırılan ozellik çıkarma ve sınıflandırma yaklaşımları karşılaştırılmıştır. GLCM, LBP ve HOG özellik çıkarımı için kullanılan yöntemler olup çıkarılan özelliklerden sınıflandırma yapmak için K-en yakın komşu (KNN) sınıflandırma yaklaşımı kullanılmıştır. ANN'de ise sinir ağı girdisi için piksel değerlerinin yoğunlukları kullanılmıştır. Her yöntemin sonuçlarını değerlendirmek için karışıklık matrisi (CM) tekniği ve çapraz geçerleme yöntemleri izlenmiştir. Sonuçlar; HOG (odaklı gradient histogram)'un en yüksek doğruluğu verdiği, en az doğruluk performansının ise gri seviyeli eş oluşum matrisleri tarafından elde edildiği gözlemlenmiştir.Master Thesis Görüntü İşleme Teknikleri Kullanılarak İris Tanıma(2017) Alhamrounı, Mohamed Ahmed; Şengül, Gökhanİris tanıma sistemi yüksek güvenilirlik özelliğinden dolayı özellikle güvenlik alanında çok önemli bir yer edinmiştir. Bir çok araştırmacı sistemin verimliliğini artırmak için iris tanıma sistemine dair öneriler sunmaktadır. Bu tezde ise, iris tanıma sisteminde yüksek performansa ulaşmak için yöntemler önerilmektedir. Bu önerilen sistemde, üç öznitelik çıkarımı yaklaşımı Histogram of Oriented Gradient (HOG) (Yönlü Gradyan Histogramı), Gray Level Co-Occurence Matrix (GLCM) (Gri Düzey Eşdizimlilik Matrisi) ve Local Binary Pattern (LBP) (Yerel İkili Model) iris görüntüsünden özellik çıkarmak için kullanılmıştır. Öte yandan, K-Nearest Neigbors (KNN) (K-En Yakın Komşular) ve Support Vector Machine (SVM) (Destek Vektör Makinesi) ise sınıflandırma aşamasında kullanılmıştır. Iris görüntüsü özellikleri çıkarma aşamasından önce bir kaç aşamadan geçer. Bunların birincisi, tüm görüntülerin yeniden boyutlandırmasını içeren ön-işleme aşaması; ikincisi ise göz görüntüsünde iris bölgesini belirleyen bölütleme aşamasıdır. Son aşama ise, iris bölgesini spesifik boyutlu uygun şekle çeviren normalizasyon evresidir. Önerilen yöntemler, iki iris veritabanında (UPOL ve IITD) test edilmiştir. Bununla birlikte, önerilen sistem HOG+KNN metodu kullandığı zaman % 100'e varan tanıma oranına ulaşmıştır. Anahtar kelimeler: İris tanıma, Yönlü Gradyan Histogramı, Gri Düzey Eşdizimlilik Matrisi, Yerel İkili Model.Master Thesis Görüntü işleme teknikleri ile insanların yaş ve cinsiyetlerinin tahmini(2016) Khalıfa, Tarıq Alhadı Mohamad; Şengül, GökhanYüz görüntülerinden görüntüdeki kişinin cinsiyetini ve yaşını tahmin etme, henüz tam olarak çözülememiş aktif bir araştırma problemidir. Bu problemin çözümü için birçok araştırmacı tarafından farklı yöntemler önerilmiş olmakla birlikte beklenen gereksinimlerle elde edilen performans arasında farklılıklar bulunmaktadır. Bahsedilen bu probleme yönelik olarak bu tez çalışmasında istatistiksel örüntü tanıma tabanlı bir yöntem önerilmiştir. Önerilen yöntemde özellik çıkarıcı olarak HOG (Histogram of Oriented Gradient) ve LBP (Local Binary Pattern) yaklaşımları kullanılmıştır. Ayrıca daha iyi sonuçlar elde etmek üzere bu iki özellik çıkarıcının sonuçları birleştirilerek de kullanılmıştır. Sınıflandırıcı olarak ise SVM (Support Vector Machines) ve KNN (K-Nearest Neighbour) yaklaşımları izlenmiştir. Performans ölçümleri için ise Birini Dışarıda Bırakma ve Hata Matrisleri kullanılmıştır. Ön işleme olarak; tüm görüntü boyutlarını aynı yapmak ve hesaplama zamanını azaltmak üzere boyut indirgeme ve görüntülerdeki aydınlık farklılıklarını ortadan kaldırmak üzere histogram eşitleme işlemleri gerçekleştirilmiştir. Önerilen yöntem FERET, UTD ve FG-NET veritabanlarından elde edilen görüntüler üzerinde test edilmiştir. Sonuç olarak HOG ve LBP özellikleri birarada kullanıldığından cinsiyet tahmininde 100%, yaş aralığı tahmininde ise 99.87% başarı elde edilmiştir.Master Thesis Görüntü İşleme ve Makine Öğrenme Yöntemleri ile Yüz Tanıma(2020) Rushdı, Iman Raad; Şengül, Gökhanİnsan 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.Master Thesis Yüz Görüntüleri Üzerinden Duygu Tahmini(2017) Najah, Goma Mohamed Salem; Şengül, GökhanYüz görüntüleri üzerinden duygu tahmininde bulunma son zamanlardaki popüler ve etkin araştırmalardan biri olup bu araştırmalar birçok farklı yöntem aracılığıyla uygulanmaktadır. Bu tezdeki yüz ifadelerini tahmin edebilmek için önerilen sistem bir takım aşamalar içermektedir ve bunlardan birincisi görüntüler içinden yüzün seçilip bu görüntülerin yeniden boyutlandırılması ve sonrasında aydınlatma etkilerini normalize etmek için uygulanan Histogram Eşitlemesi- Histogram Equalization (HE) aracılığıyla yürütülen ön işleme aşamasıdır. İkinci aşama ise Odaklı Gradyan Histogramı- Histogram of Oriented Gradient (HOG) ve Yerel İkili Model- Local Binary Pattern (LBP) özellik çıkarma algoritmaları kullanarak yüz ifadelerinden Öfke, Kibir, İğrenme, Utanma, Korku, Mutluluk, Yansızlık, Gurur, Üzgün Olma ve Şaşkınlık gib farklı ifadelerinin özellik çıkarma aşamasıdır. Özellik çıkarma aşamasından sonra Karar Destek Makineleri - Support Vector Machine (SVM) ve k-En Yakın Komşuluk - K-Nearest Neighbors (KNN) sınıflandırıcıları kullanılarak duygu tahmininde bulunulmuştur. Buna ek olarak, Karışıklık Matrisi- Confusion Matrix (CM) tekniği bu sınıflandırıcıların performanslarını değerlendirmek için kullanılmıştır. Önerilen bu sistem JAFFE, KDEF, MUG, WSEFEP, TFEID ve ADFES veritabanlarında test edilmiştir ve önerilen sistemin HOG+SVM yöntemi uygulandığında 96.13% oranında bir tahmin başarısına ulaşılmıştır. Anahtar Sözcükler: Duygu Tahmini; Yüz İfadesi Görüntüleri; İfade Sınıflandırması; Odaklı Gradyan Histogramı; Yerel İkili Model; K- En Yakın Komşular; Destek Vektör MakinesiMaster Thesis Makine öğrenme algoritmalarıyla yüz tespiti(2020) Hamamchı, Ahmed Ameer Hamdı; Şengül, GökhanBir 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.Master Thesis El Geometri Bilgileri ile İnsan Tanımlama ve Doğrulama(2022) Mustafa, Mustafa Kanaan; Şengül, GökhanBu 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.