2 results
Search Results
Now showing 1 - 2 of 2
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 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.