2 results
Search Results
Now showing 1 - 2 of 2
Article Citation - WoS: 41Citation - Scopus: 44Variational Mode Decomposition-Based Threat Classification for Fiber Optic Distributed Acoustic Sensing(Ieee-inst Electrical Electronics Engineers inc, 2020) Abufana, Saleh A.; Dalveren, Yaser; Aghnaiya, Alghannai; Kara, AliIn this study, a novel method is proposed to detect and classify the threats for fiber optic distributed acoustic sensing (DAS) systems. In the study, phase-sensitive optical time-domain reflectometry (phase-OTDR) is realized for the sensing system. The proposed method is consisted of three main stages. In the first stage, Wavelet denoising method is applied for noise reduction in the measured signal, and difference in time domain approach is used to perform high-pass filtering. Autocorrelation is then used for comparing the signal with itself over time in each bin to remove uncorrelated signals. Next, the power of the correlated signals at each bin is calculated and sorted where maximum valued bins are considered as the event signal. In the second stage, Variational Mode Decomposition (VMD) technique is used to decompose the detected event signals into a series of band-limited modes from which the event signals are reconstructed. From the reconstructed event signals, higher order statistical (HOS) features including variance, skewness, and kurtosis are extracted. In the last stage, the threats are discriminated by implementing Linear Support Vector Machine (LSVM)-based classification approach to the extracted features. In order to evaluate the effects of proposed method on the classification performance, different types of activities such as digging with hammer, pickaxe, and shovel collected from various points of a buried fiber optic cable have been used under different Signal-to-Noise Ratio (SNR) levels (& x2212;4 to & x2212;18 dB). It has observed that the classification accuracy at high/moderate (& x2212;4 to & x2212;8 dB) and low (& x2212;8 to & x2212;18 dB) SNR levels are 79.5 & x0025; and 75.2 & x0025;, respectively. To the best of authors & x2019; knowledge, this research study is the first report to use VMD technique for threat classification in phase-OTDR-based DAS systems.Master Thesis Düşük Kaliteli Görüntüler için Derin Öğrenmeye Dayalı Araç Sınıflandırması(2022) Taş, Sümeyra; Dalveren, Yaser; Pazar, ŞenolNüfusun artması ile birlikte ulaşımda kullanılan araç sayısı da artış göstermektedir. Araç sınıflandırması, otomatik ücret toplama sistemleri, trafik kontrol sistemleri, akıllı ulaşım sistemleri, otonom araçlar (ve daha fazlası) gibi değişik alanlarda bir ihtiyaçtır. Konvolüsyonel Sinir Ağı, derin öğrenmenin bir parçasıdır ve kısaca CNN olarak adlandırılır, görsel verilerle araç sınıflandırması için iyi bilinen, kullanılan bir modeldir. Ancak, düşük kaliteli görüntülere değinen çok fazla uygulama yoktur. Bu çalışma, CNN modellerinin 2 MP standart bir güvenlik kamerası kullanılarak bir araç sınıflandırma projesi için düşük kaliteli görüntülerle çalıştırılabileceğini ve kullanılabileceğini göstermektedir. Buna ek olarak, bu çalışma sıfırdan inşa edilmiş, özellik çıkarma için önceden eğitilmiş VGG16 ağı ve ince ayar için önceden eğitilmiş VGG16 ağı kullanan kendine ait az veri seti ile çalışarak üç CNN modeli sunmaktadır. Deneylerden elde edilen umut verici sonuçlar, düşük kaliteli görüntüler içeren bir veri seti kullanılsa bile araç sınıflandırmanın mümkün olabileceğini göstermektedir.
