6 results
Search Results
Now showing 1 - 6 of 6
Conference Object Embryo Spatial Model Reconstruction(Springer international Publishing Ag, 2020) Dirvanauskas, Darius; Maskeliunas, Rytis; Raudonis, Vidas; Misra, SanjayTime lapse microscopy offered new solutions to study embryo development process. It allows embryologist to monitor embryo growth in real time and evaluate them without interfering into their growth environment. Embryo evaluation during growth process is one of the key criteria in embryo selection for fertilization. Live embryo monitoring is time consuming and new tools are offered to automate part of process. Our proposed algorithm gives new possibilities for embryo monitoring. It uses embryo images which are taken from different embryo layers, extracts embryo cell features and returns metrical evaluation to compare different embryos. High number of extracted features shows embryo fragmentation. Other tool whichwe present is spatial embryo model. Features extracted from embryo layers are combined together to spatial model. It allows embryologist to examine embryo model and compare different layers in one space. The obtained spatial embryo model will be later used to develop new algorithms for embryo analysis tasks.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.Article Citation - WoS: 4Citation - Scopus: 7On the Classification of Modulation Schemes Using Higher Order Statistics and Support Vector Machines(Springer, 2022) Coruk, Remziye Busra; Gokdogan, Bengisu Yalcinkaya; Benzaghta, Mohamed; Kara, AliThe recognition of modulation schemes in military and civilian applications is a major task for intelligent receiving systems. Various Automatic Modulation Classification (AMC) algorithms have been developed for this purpose in the literature. However, classification with low computational complexity as well as reasonable processing time is still a challenge. In this paper, a feature-based approach along with various classifiers is employed based on statistical features as well as higher-order moments and cumulants. An over-the-air (OTA) recorded dataset consisting of four analog and ten digital modulation schemes are used for testing the proposed method at 0-20 dB SNR. The overall accuracy for quadratic Support Vector Machine (SVM) is found to be as high as 98% at 10 dB. The comparison of the results with other AMC papers published in the literature indicates that the proposed method present higher accuracy, especially for realistic channel induced OTA dataset.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.Article Citation - WoS: 5Citation - Scopus: 5Hierarchical Classification of Analog and Digital Modulation Schemes Using Higher-Order Statistics and Support Vector Machines(Springer, 2024) Yalcinkaya, Bengisu; Coruk, Remziye Busra; Kara, Ali; Tora, HakanAutomatic modulation classification (AMC) algorithms are crucial for various military and commercial applications. There have been numerous AMC algorithms reported in the literature, most of which focus on synthetic signals with a limited number of modulation types having distinctive constellations. The efficient classification of high-order modulation schemes under real propagation effects using models with low complexity still remains difficult. In this paper, employing quadratic SVM, a feature-based hierarchical classification method is proposed to accurately classify especially higher-order modulation schemes and its performance is investigated using over the air (OTA) collected data. Statistical features, higher-order moments, and higher-order cumulants are utilized as features. Then, the performances of some well-known classifiers are evaluated, and the classifier presenting the best performance is employed in the proposed hierarchical classification model. An OTA dataset containing 17 analog and digital modulation schemes is used to assess the performance of the proposed classification model. With the proposed hierarchical classification algorithm, a significant improvement has been achieved, especially in higher-order modulation schemes. The overall accuracy with the proposed hierarchical structure is 96% after 5 dB signal-to-noise ratio value, approximately a 10% increase is achieved compared to the traditional classification algorithm.
