8 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 8 / 8
Öğe İşaret dilinin derin öğrenme yöntemleriyle metin haline dönüştürülmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-02-27) Çiftçi, Melek Ece; Tekin, Ramazanİşitme ve duyma engelli bireyler, çevreleriyle iletişim kurarken ciddi zorluklar yaşamaktadırlar. Bu tez, gerçek zamanlı işaret dili tanıma sistemi ile bu soruna çözüm getirmeyi hedeflemektedir. Çalışma kapsamında, literatürde sıkça rastlanan 17 kelimeden oluşan bir veri seti, 5 denek tarafından özel olarak hazırlanmıştır. MediaPipe kitaplığındaki insan poz tahmin sistemi kullanılarak, kelimelerin anahtar noktaları başarıyla çıkarılmıştır. Bu anahtar noktalar, derin öğrenme modellerinden LSTM mimarisi ile sınıflandırılmıştır. Çalışma kapsamında kişi bağımlı ve kişi bağımsız iki ayrı uygulama yapılarak test veri seti üzerinde sırasıyla %94,71 ve %87,65 oranında doğruluk elde edilmiştir. Bu önerilen sistemin, işitme ve konuşma engelli bireylerin günlük iletişimlerini iyileştirmek adına literatürdeki diğer çalışmalara kıyasla yeterli seviyede performansa sahip bir çözüm ortaya konulduğu değerlendirilmektedir.Öğe Aktarım derin öğrenme metotları ile yüz ifadelerinden duygu tespiti(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-02-14) Taş, Sadi; Kaya, YılmazBu çalışma, yapay zekâ ve derin öğrenme tekniklerinin duygu tanıma yeteneklerini değerlendirmek amacıyla gerçekleştirilmiştir. İnsan duygularını anlama ve yüz ifadeleri aracılığıyla analiz etme ihtiyacı, teknolojinin gelişimiyle birlikte giderek artmaktadır. Bu bağlamda, Residual Network (ResNet) ve transfer derin öğrenme modelleri kullanılarak duygu analizi gerçekleştirilmiştir. Çalışmanın odak noktası, özellikle ResNet50 modelinin duygu tanıma görevindeki etkinliğini vurgulamaktır. ResNet mimarisi, derin sinir ağlarının eğitimini kolaylaştırmak ve aşırı uyum sorunlarını azaltmak amacıyla geliştirilmiştir. Modeller, transfer derin öğrenme yaklaşımıyla öğrenilen bilgileri duygu tanıma görevine aktarmayı amaçlamaktadır. Çalışma, Fer2013 veri seti üzerinde gerçekleştirilmiş ve modellerin performansı çeşitli metriklerle değerlendirilmiştir. Elde edilen sonuçlar, özellikle ResNet50 modelinin diğer modellere kıyasla daha yüksek başarı oranına sahip olduğunu göstermektedir. Bu sonuçlar, yapay zekâ temelli duygu tanıma uygulamalarının gelecekteki potansiyelini ve derin öğrenme modellerinin bu alandaki etkisini anlamamıza katkı sağlamaktadır. Çalışmanın bulguları, duygu tanıma teknolojilerinin geliştirilmesi ve iyileştirilmesi konusunda araştırmacılara rehberlik edebilir. Yapay zekâ tabanlı duygu analizi, sağlık sektöründen akıllı yaşam alanlarına kadar geniş bir yelpazede uygulamalar bulabilir ve insan-makine etkileşimini daha etkili hale getirebilir. Bu bağlamda, ResNet50 modelinin başarısı, duygu tanıma alanında derin öğrenme modellerinin kullanımının önemini vurgulamaktadır.Öğe Derin öğrenme metotları ile asma yapraklarının sınıflandırılması(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-09-17) Akdoğan, Berivan; Sezgin, NecmettinÖzellikle yaprak hastalıklarının erken teşhisi, verimliliği artırmak ve ürün kalitesini korumak için kritik bir öneme sahiptir. Geleneksel yöntemler bu süreçte yetersiz kalabilirken, derin öğrenme teknikleri yüksek doğruluk ve hız sağlayarak etkili çözümler sunmaktadır. Bu tez çalışmasında, 8 farklı asma türünden elde edilen toplam 4000 asma yaprağı görüntüsünü sınıflandırmak amacıyla derin öğrenme modelleri kullanılmıştır. Araştırmanın temel amacı, bu yaprak görüntülerini en yüksek doğrulukla sınıflandırabilecek modeli belirlemek ve tarımsal uygulamalarda kullanılabilecek bir sınıflandırma sistemi geliştirmektir. Çalışmada, ResNet50, ResNet101, ResNet152, MobileNet, Xception ve DenseNet169 modelleri kullanılarak performans karşılaştırmaları yapılmıştır. Öncelikle asma yaprağı görüntüleri çeşitli ön işleme adımlarından geçirilerek veri seti oluşturulmuştur. Ardından bu veri seti, her bir model ile ayrı ayrı eğitilmiş ve değerlendirilmiştir. Modellerin performansı; doğruluk, eğitim süresi ve model karmaşıklığı gibi kriterler göz önünde bulundurularak analiz edilmiştir. Deneysel sonuçlar, ResNet101 modelinin %88 doğruluk oranı ile en yüksek performansı sergilediğini, ancak 17 saatlik eğitim süresi ile uzun bir süreyi gerektirdiğini göstermiştir. Xception modeli %86 doğruluk oranı ile ResNet101 modeline yakın performans sunmuş ve ayrıca 10 saatlik işlem süresinin dikkate değer olduğu için tercih edilebileceği anlaşılmıştır. MobileNet modeli ise %80 doğruluk oranı ve daha hızlı (2 saat 20 dakika) sonuçlar üretmiş, bu da onu gerçek zamanlı uygulamalar için uygun hale getirmiştir. DenseNet169 modeli ise %73 doğruluk oranı ile en düşük performansı sergilemiştir. Bu bulgular, derin öğrenme modellerinin asma yaprağı sınıflandırmasında etkili bir şekilde kullanılabileceğini ve doğru model seçiminin hem doğruluk hem de verimlilik açısından kritik olduğunu ortaya koymaktadır. Gelecekteki çalışmalarda, literatürde yer alan farklı sinir ağı modelleri ile başarı oranının artırılması ve görüntü işleme tekniklerinin geliştirilmesi hedeflenmektedir. Ayrıca en yüksek doğruluğa sahip model temel alınarak tarımsal üreticiler ve tüketiciler için pratik bir mobil uygulama geliştirilmesi planlanmaktadır.Öğe Derin evrişimli çekişmeli üretici ağlar ile yüz görüntülerinin üretimi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-02-18) Çiçekli, Nizamettin; Ertuğrul, Ömer FarukBu çalışmada ilkel insandan günümüze kadar bilginin artışı, nesiller arası aktarımı ve bu sürecin büyük veriye dönüşümü incelenmiştir. Aynı zamanda yapay zekanın tarihsel gelişimi, yapay sinir ağlarının yapısı, derin öğrenme, derin öğrenme katmanları ve derin öğrenme modelleri gibi konular ayrıntılı bir şekilde ele alınmıştır. Bunun yanı sıra görüntü oluşturma modellerinden biri olan ve derin öğrenmenin bir alt dalı olan çekişmeli üretici ağlar hakkında detaylı bilgiler sunulmuştur. Çekişmeli üretici ağların tarihsel süreci, yapılan akademik çalışmalar, gelişimi ve akademik literatüre katkıları titizlikle araştırılmıştır. Özellikle çekişmeli üretici ağların görüntü oluşturma alanında en iyi modellerinden biri olan DEÇÜA modeli ayrıntılı bir şekilde incelenmiştir. DEÇÜA modelini oluşturan üretici ağın yapısı, matematiksel yöntemleri ve deneylerde kullanılan fonksiyonları ile birlikte kayıp fonksiyonu değerleri üzerinde yoğun bir çalışma yapılmıştır. Ayrıca çekişmeli üretici ağların ikinci bileşeni olan ayırıcı ağın yapısı, işlevleri, matematiksel yöntemleri ve deneylerde kullanılan fonksiyonları detaylı bir şekilde ele alınmıştır. Deney ortamında kullanılan kütüphaneler, GPU, işlemci, dil işleme editörleri ve Google Colab ortamı dikkatlice incelenmiştir. Sentetik görüntüler üretmek için en yaygın olarak kullanılan veri setleri özenle seçilmiştir. Bu çalışmada iki farklı türde dört veri seti kullanılmıştır. İlk olarak vektör tabanlı görüntüler içeren Cartoonset10k ve Anime Face veri setleri dikkatlice seçilmiş ve detaylı bir şekilde analiz edilmiştir. İkinci olarak piksel tabanlı görüntüler içeren Animal Face ve CelebaFace veri setleri ayrıntılı bir şekilde incelenmiştir. Her bir veri seti üzerinde gerçekleştirilen deneylerde belirli aralıklarla tekrarlanan eğitim süreçleri sonucunda elde edilen 8x8 boyutundaki görüntüler aşama aşama kaydedilmiştir. Bu elde edilen en iyi görüntüler, veri setlerinde rastgele seçilen resimlerle karşılaştırılarak detaylı bir şekilde değerlendirilmiştir. Üretici ağ ile ayırıcı ağın Nash dengesine göre kayıp-kazanç değerleri, matematiksel ve grafiksel yöntemler kullanılarak elde edilmiştir.Öğe Derin öğrenme yöntemiyle patates yaprağı görüntülerinden hastalık tespiti(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-02-19) Almas, Kenan; Öztekin, AbdulkerimBu tez çalışması, derin öğrenme yöntemleri kullanılarak patates görüntülerinden hastalık tespiti yapmayı amaçlamaktadır. Çalışmada, sağlıklı ve çeşitli patates hastalıklarına ait geniş ve kapsamlı bir görüntü veri seti kullanılmıştır. Farklı Evrişimli Sinir Ağı (CNN) mimarileri ve hibrit modelleri kullanılarak patates hastalıklarını tespit etmek için modeller geliştirilmiştir. Geliştirilen modeller farklı parametreler ve veri kümeleri kullanılarak eğitilmiş ve doğruluk, kesinlik gibi metrikler kullanılarak değerlendirilmiştir. Patates bitkilerinde görülen yaygın hastalıklar (geç yanıklık, erken yanıklık) tespit edilmiş ve görüntü ön işleme teknikleri kullanılarak modellerin performansı artırılmıştır. Bu çalışma, derin öğrenme yöntemlerinin patates hastalıklarının tespitinde etkili bir şekilde kullanılabileceğini göstermeyi ve bu alanda daha önce yapılan çalışmalara katkıda bulunmayı amaçlamaktadır. Çalışmada, deneysel ortamların vazgeçilmez bileşenleri olan kütüphaneler, GPU'lar, işlemciler, doğal dil işleme modelleri ve Google Colab platformu incelenmiştir ve PillantVillage veri seti kullanılmıştır. Dört farklı ResNet modeli ile görüntüler test edilmiş ve çeşitli performans metrikleriyle değerlendirilmiştir. Elde edilen bulguların, patates yetiştiriciliğinde hastalık yönetimi ve verimlilik artışı için önemli bilgiler sağlayabileceği düşünülmektedir. Yapay zeka ile görüntülerden hastalık tespiti yapılması tarım alanında yenilikler yapılmasına önayak olabileceği gibi makine-insan etkileşimine de artırıcı katkı sağlayabilir. Çalışmamız ResNet derin öğrenme modellerinin, görüntü çıkarımı alanında derin öğrenme modellerinin başarısını ve önemini vurgulamaktadır.Öğe Derin öğrenme metotları ile yüz ifadelerinden down sendromu tespiti(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-09-17) Ortaç, Evin; Sezgin, NecmettinBu çalışma, yapay zeka ve derin öğrenme tekniklerinin hastalık tespit etmek amacıyla gerçekleştirilmiştir. Bu teknolojiler, hastalıkların hızlı, doğru ve verimli bir şekilde teşhis edilmesini sağlamak için kullanılmaktadır. Derin öğrenme algoritmaları, özellikle büyük veri setleri üzerinde eğitilerek, karmaşık ve ince detayları algılayabilen güçlü modeller oluşturur. Çalışmada kullanılan veri seti açık kaynak kodlu sitelerden elde edilmiştir. Yapılan çalışmada, özellikle yüz görüntülerini ve derin evrişimli sinir ağlarını (CNN'ler) kullanarak Down sendromu gibi genetik bozuklukların tespiti üzerinde durulmuştur. ResNet50, ResNet101, ResNet152 ve MobileNet gibi popüler CNN modelleri kullanılarak gerçekleştirilen sınıflandırma işlemleri, hastalık tespit sürecini hızlandırmak ve doğruluğunu artırmak amacıyla değerlendirilmiştir. Elde edilen bulgular, özellikle ResNet50 ve ResNet101 modellerinin diğer modellere kıyasla daha yüksek başarı oranına sahip olduğunu ortaya koymaktadır. Bu iki modelin %99'luk doğruluk oranı, Down sendromu tespitinde oldukça etkili olduklarını kanıtlamaktadır. Yüksek doğruluk oranları, bu modellerin yüz görüntülerindeki ayırt edici özellikleri doğru bir şekilde tanıyabildiğini ve hastalık teşhisinde son derece güvenilir çalıştığını göstermektedir. Bu modeller, genetik bozukluklar gibi hastalıkların belirgin özelliklerini tespit edebilir ve otomatik sınıflandırma yapabilir. Sonuçlar, bu tür yapay zeka ve derin öğrenme tekniklerinin hastalık tespitinde önemli bir rol oynayabileceğini göstermektedir. Bu nedenlerle, yapay zekâ teknolojileri, hastalık tespiti ve sağlık hizmetlerinin genel kalitesini artırmak için güçlü bir araç olarak değerlendirilmektedir. Yapay zekânın sunduğu bu avantajlar, sağlık sektöründe devrim niteliğinde değişiklikler yapma potansiyeline sahiptir.Öğe Tarım ürünlerinin sınıflandırılmasında derin öğrenme kullanımı: Siirt fıstığı örneği(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-02-18) Erdoğan, Mesut; Öztekin, AbdulkerimBu tez, tarım ürünlerinin sınıflandırılmasında derin öğrenme tekniklerinin potansiyelini incelemek ve uygulamalı bir model geliştirmek amacıyla hazırlanmıştır. Tarım sektörü, kalite kontrol ve sınıflandırma süreçlerinde genellikle manuel yöntemlere dayanmakta olup bu da süreçlerin hem zaman alıcı hem de hata oranlarının yüksek olmasına neden olmaktadır. Gelişen teknolojiyle birlikte, tarım ürünlerinin otomatik olarak sınıflandırılmasını sağlayacak yapay zeka temelli yaklaşımlar, hem üreticilere hem de tüketicilere çeşitli avantajlar sunma potansiyeline sahiptir. Bu çalışmada, Siirt fıstığı örneği üzerinden derin öğrenme tabanlı bir sınıflandırma modeli geliştirilmiştir. Çalışmanın ilk aşamasında, Siirt fıstığının kalite kriterleri belirlenmiş ve bu kriterlere göre geniş bir veri seti oluşturulmuştur. Veri seti, farklı kalite sınıflarını (örneğin, iri, orta boy, düşük kaliteli; deformasyona uğramış ya da renk farkı olan fıstıklar) kapsayacak şekilde çeşitlendirilmiştir. Görüntüler, gelişmiş görsel veri toplama teknikleri kullanılarak yüksek çözünürlükte elde edilmiş ve veri setinin zenginleştirilmesi amacıyla veri artırma yöntemleri uygulanmıştır. Derin öğrenme modeli olarak konvolüsyonel sinir ağları (CNN) tercih edilmiş ve modelin performansını artırmak için çeşitli mimari düzenlemeler yapılmıştır. Modelin eğitimi ve testi sırasında hiperparametre optimizasyonu gerçekleştirilmiş, doğruluk oranını artırmak için dropout, öğrenme hızı ayarı ve erken durdurma gibi teknikler uygulanmıştır. Modelin performansı, doğruluk, kesinlik, duyarlılık ve F1 skor metriği kullanılarak değerlendirilmiştir. Elde edilen sonuçlar, Siirt fıstığının sınıflandırılmasında geliştirilen derin öğrenme modelinin %99 doğruluk oranı ile başarılı bir şekilde çalıştığını ortaya koymuştur. Modelin sonuçları, geleneksel manuel sınıflandırma yöntemleri ile karşılaştırıldığında, hem zaman hem de doğruluk açısından önemli avantajlar sağlamaktadır. Ayrıca, tarım sektöründeki diğer ürünlere uygulanabilirlik potansiyeli de değerlendirilmiştir. Bu çalışma, tarım sektöründe kalite kontrol süreçlerini optimize etmek, üreticilere verimlilik sağlamak ve tüketici memnuniyetini artırmak adına önemli bir adım olarak değerlendirilmektedir. Gelecekteki çalışmalar için, daha büyük veri setlerinin oluşturulması, farklı derin öğrenme mimarilerinin test edilmesi ve modelin gerçek zamanlı uygulamalarda denenmesi önerilmektedir.Öğe Derin öğrenme metotları ile yüz görüntülerinden yaş tespiti(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-02-05) Altuner, Emrah; Kaya, YılmazBu çalışmada, yüz görüntülerinden yaş tahmini gerçekleştirilmiş ve Hint Sineması Yüz Veri tabanı (IMFDB) üzerinde DenseNet modelleri kullanılmıştır. Yaş tespiti, güvenlik, sağlık ve pazarlama gibi çeşitli sektörlerde kritik bir öneme sahiptir. DenseNet mimarilerinin farklı versiyonları olan DenseNet-121, DenseNet-169, DenseNet-201 ve DenseNet-264, yaş tahmini için eğitilmiş ve doğruluk (accuracy), kesinlik (precision), geri çağırma (recall) ve F1 skoru gibi performans metrikleri üzerinden değerlendirilmiştir. Veri seti, 19.906 yüz görüntüsünden oluşmakta olup yaş kategorileriyle etiketlenmiştir. DenseNet-264 modeli, %89.8 doğruluk, 0.90 precision, 0.90 recall ve 0.90 F1 skoru ile en yüksek performansı göstermiştir. DenseNet-201 modeli, %89.2 doğruluk oranıyla iyi bir performans sergilemiş, DenseNet-169 modeli %87.1 doğruluk ve dengeli bir genelleme kapasitesi sunmuştur. DenseNet-121 modeli ise %85.3 doğruluk oranıyla daha hızlı ve düşük hesaplama maliyetine sahip bir seçenek olmuştur. ROC analizleri, tüm modellerin güçlü bir ayrım yeteneğine sahip olduğunu göstermiş, ancak en derin model olan DenseNet-264'te sınırlı genelleme kayıpları gözlemlenmiştir. Sonuç olarak, DenseNet mimarileri yaş tahmini için etkili bir çözüm sunmuştur. Model seçimi, uygulamanın gereksinimlerine ve kaynaklarına bağlı olarak yapılabilir. DenseNet-264 en yüksek doğruluğu sağlarken, DenseNet-121 daha hızlı sonuçlar elde etmek için uygun bir alternatif olarak değerlendirilebilir.
