2 results
Search Results
Now showing 1 - 2 of 2
Article Güvenlik Sistemleri için Silah ve Bıçak Tanıma(2021) Işık, Şahin; Özkan, Şerif Ercan; Kurt, ZuhalBu çalışma, halka açık yerlerde güvenlik sorunlarının üstesinden gelmek için etkili ve yenilikçi bir çözüm sunmaktadır. Alternatif bir video gözetim sistemi olarak, önerilen yöntem videolardan silah ve bıçak nesnelerini gerçek zamanlı olarak algılar ve yerelleştirir. Evrişimsel Sinir Ağı tabanlı nesne algılama ile bağlantılı olarak, en yüksek performansa sahip silah ve bıçak nesnelerini tespit etmek için Hızlı-Bölgesel Tabanlı Evrişimsel Sinir Ağı yapısı uygulanmıştır. Test görüntüleri üzerinde simülasyon gerçekleştirdikten sonra, geliştirilen sistemin F1-skor performansı yaklaşık %70 tanıma oranı olarak elde edilmiştir. Eğitilen Faster R-CNN modeli, uçak, otobüs durağı, stadyum ve güvenliğin önemli bir faktör olduğu kamu taşıtları da dâhil olmak üzere farklı halka açık yerler için kullanılabilir. Ayrıca, geliştirilen yöntem, tehlikeli nesnelerin raporlanması ve bu tür nesnelerin neden olduğu risklerin en aza indirilmesi açısından yerel gözetim sistemine gömülebilir.Article Recurrent Neural Networks for Spam E-Mail Classification on an Agglutinative Language(2020) Işık, Şahin; Kurt, Zuhal; Anagun, Yildiray; Özkan, KemalIn this study, we have provided an alternative solution to spam and legitimate email classification problem. The different deep learning architectures are applied on two feature selection methods, including the Mutual Information (MI) and Weighted Mutual Information (WMI). Firstly, feature selection methods including WMI and MI are applied to reduce number of selected terms. Secondly, the feature vectors are constructed with concept of the bag-of-words (BoW) model. Finally, the performance of system is analyzed with using Artificial Neural Network (ANN), Long Short-Term Memory (LSTM) and Bidirectional Long Short-Term Memory (BILSTM) models. After experimental simulations, we have observed that there is a competition between detection results of using WMI and MI when commented with accuracy rates for the agglutinative language, namely Turkish. The experimental scores show that the LSTM and BILSTM give 100% accuracy scores when combined with MI or WMI, for spam and legitimate emails. However, for particular cross validation, the performance WMI is higher than MI features in terms e-mail grouping. It turns out that WMI and MI with deep learning architectures seem more robust to spam email detection when considering the high detection scores.
