23 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 10 / 23
Öğe Sentinel-1 sar görüntülerinin, derin öğrenme teknikleri kullanılarak müsilaj bölgelerinin otomatik olarak tespit edilmesindeki rolü: Marmara Denizi Armutlu-Zeytinbağı'nda bir vaka çalışması(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-07-04) Bakış, Enes; Acar, EmrullahDoğada bulunan çeşitli nesnelerin tespit edilmesi, türlerin tanımlanması ve bu türlerin keşfedilmesi günümüz dünyasında büyük önem arz etmektedir. Aktif ve pasif görüntüleme sistemleri bu doğrultuda hem ekonomik hem de kolaylık bakımından avantajlı bir konumdadır. Son zamanlarda ülkemizde yaşanan müsilaj olayları hem deniz yaşamı hem de insan hayatı için ciddi riskler oluşturmaktadır. Bu çalışmada obje olarak Mayıs 2021'de meydana gelen müsilaj olayından büyük ölçüde etkilenen bölgelerden birindeki su alanları seçilmiştir. Çalışma alanı olarak Marmara Denizi'nde Armutlu-Zeytinbağı arasındaki bölge seçilmiştir. Musilaj bölgesinden toplam 1300 örnek manuel olarak seçilmiş ve GPS yardımıyla kayıt altına alınmıştır. Seçilen bu örnekler 17 Mayıs–22 Mayıs arası müsilajlı alan, 21 Haziran–22 Haziran arası temiz alan olarak (toplam 2600 örnek) seçildikten sonra Sentinel-1 uydu görüntüleri yardımıyla zaman serileri kullanılarak görüntü analizleri yapılmıştır. Bu görüntü analizleri, Sentinel-1 spektral bant parametreleri (VV-VH) kullanılarak yapılmıştır. VV-VH spektral bant görüntülerinin yansıma değerlerini gösteren sayısal veriler excel ortamına aktarılarak 2 adet özgün veri seti elde edilmiştir. Elde edilen veri setlerine ayrı ayrı derin öğrenme ve makine öğrenmesi modelleri uygulanarak bu müsilajlı bölgesinin otomatik olarak tespit edilmesi amaçlanmıştır. Uygulamalı derin öğrenme (LSTM, CNN) ve makine öğrenmesi modellerimizin (DT, NB, SVM, RF, SGD) başarısının yüksek (84%-100%) olduğu gözlemlenmiştir. Uygulanan derin öğrenme ve makine öğrenmesi yöntemleri ile müsilaj bölgelerinin daha kolay tespit edilmesi ve bu bölgelere erken müdahale edilmesi amaçlanmıştır.Öğe Derin öğrenme yöntemleri kullanılarak Diyarbakır yöresi karpuzu görüntülerinden ağırlığının tahmin edilmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2022-08-18) Kayra, Halil; Koç, SavaşBu tez çalışmasında Diyarbakır yöresinde yetişen karpuzların görüntüleri kullanılarak derin öğ-renme metotlarıyla karpuzların ağırlık tahmini yapılmıştır. Çalışmada 5000 adet karpuz görüntüsü kullanıl-mıştır. Diyarbakır yöresinde yetiştirilen karpuzların market ve semt pazarlarında fotoğrafları çekilerek bilgisayar ortamında kayıt altına alınmıştır. Toplanan karpuz görüntülerinin arka planları alındıktan sonra maskeleri Python programında yapılmıştır. Maskeler U-Net mimarisinde kullanılmak üzere eğitim dosyasına alınmıştır. Derin öğrenme yöntemlerinde evrişimli sinir ağları ile U-Net mimarisi kullanılmıştır. Görüntülerin segmentasyonu başarılı bir şekilde yapılmıştır. U-Net mimarisi %99,65 ora-nında başarılı bir şekilde karpuz görüntüsünü geometrik olarak tahmin etmiştir. U-Net modelinde elde edilen görüntülerden piksel alan metodu ile karpuzun görüntüde kapladığı alan oranı hesabı yapılmıştır. Görüntülerin boy ve en pikselleri belirlendikten sonra yapay sinir ağı ile eğitimlerine geçilmiştir. En iyi mimariyi bulmak için yapay sinir ağları 9 farklı mimari ile eğitimi yapılmıştır. En iyi mimari 4 gizli kat-mana sahip 1024 birime ayrılmış olan ve aktivasyon fonksiyonu olarak ReLU kullanılan mimari olmuş-tur. Görüntülerden elde edilen karpuz verilerinin çok katmanlı yapay sinir ağlarında eğitilmesi ile test doğruluk oranı %92,59 ve eğitim doğruluk oranı ise %94,43 bulunmuştur. Sonuç olarak oluşturulan derin öğrenme yöntemi saye-sinde 65 cm mesafede fotoğrafı çekilen karpuz görüntülerinin kaç kilo aralığında olduğu tahmin edecek bir program oluşturularak dijital tarım alanındaki çalışmalara katkıda bulunacaktır.Öğe Meme kanserinin iyi huylu veya kötü huylu durum tespitinde derin öğrenme modellerinin kullanılması(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-02-27) Ateş, Feyzi Ferat; Çalışkan, AbidinMeme kanseri, meme de bulunan bağ dokusu ve buna bağlı olan kanal bölgelerinde oluşan ve oluşan bu hücrelerin normalin dışında hareketlerinden meydana gelen bir kanser türüdür. Yoğun olarak kadınlarda görülmekte olup, en yaygın rastlanan kanser çeşitlerindendir. Hastalık erkenden fark edilmeği zaman kan ve lenf damarları yoluyla diğer organlara kanserli hücreler etki edebilir (metastaz durumu). Yapılan araştırmalara göre genel olarak tüm kanser çeşitlerinde erken tanı ve tedavi önemlidir. Bu çalışmada meme kanserinin iyi huylu ve kötü huylu türleri arasında sınıflandırma yapabilen yapay zekâ tabanlı erken tanı sistemi önerilmiştir. Önerilen yaklaşımda artık bloklu evrişimsel sinir ağı modelleri kullanıldı. ResNet modellerinin son katmanına yeni bir tam bağlantılı katman eklenerek tür tabanlı öznitelikler çıkartıldı. Bir sonraki aşamada tam bağlantılı katmanlardan elde edilmiş öznitelikler birleştirilerek yeni bir özellik seti oluşturuldu. Oluşturulan bu özellik seti ile sınıflandırma oluşturulurken softmax ve makine öğrenim yöntemleri kullanıldı. Çalışmada önerilen yaklaşım ile sınıflandırma oluşturulma adımlarında kullanılan tüm yöntemlerden %100 genel doğruluk başarısı elde edildi. Bu çalışmada tam bağlantılı katmanların elde edilmesi ve birleştirilmesi deneysel analizlerin geliştirilen çalışmada performansa olumlu yönde etki ettiği gözlemlenmiştir.Öğe Derin transformer kodlayıcı tekniği ve farklı zaman-serisi uydu görüntüleri kullanılarak pamuk ve mısır bitki alanlarının belirlenmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2022-10-11) Şimşek Bağcı, Reyhan; Acar, Emrullah; Türk, ÖmerTürkiye orta kuşakta yer aldığından dolayı tarımsal alanda zengin bir ülkedir. Tarımsal alandaki ürünlerin kısa sürede ve doğru bir şekilde tespit edilmesi oldukça önemlidir. Uzaktan algılamadan elde edilen uydu görüntüleri sayesinde tarımsal ürünlerin tespiti gelişimi ve yıllık ürün tahmini gibi birçok konuda bilgi elde edilebilmektedir. Bu çalışmada, tarımsal ürünlere ait Sentinel-1 ve Landsat-8 uydu görüntü indeksleri ve derin mimarisi birlikte kullanılarak tarımsal ürünlerden Mısır ve Pamuk’un tespitinin yapılması amaçlanmıştır. İlk aşamada tespiti yapılması istenen tarımsal ürünlerin Sentinel-1 ve Landsat-8 uydu görüntülerini elde etmek için pilot alan belirlenmiştir. Tarım ürünleri seçilirken gelişme ve hasat zamanları yakın olan mısır ve pamuk ürünlerinin yoğunlukta olduğu bir tarım arazisi seçilmiştir. Bu pilot alandan daha sonra 100 örnek noktaya ait koordinatlar GPS yardımıyla alınmış ve bu koordinatlar Sentinel-1 ve Landsat-8 uydu görüntülerine aktarılarak yansıma değerleri elde edilmiştir. Görüntülerin yansıma değerlerini hesaplamak için tespiti yapılacak tarımsal ürünlerin gelişim ve hasat zamanlarının birbirine yakın olduğu 2016-2021 döneminin Haziran, Temmuz, Ağustos, Eylül ayları tercih edilmiştir. Çalışmada kullanılan veri seti, Google Earth Engine Code Editor (GEE-CE) yardımıyla elde edilmiş ve 2016-2021 yılları arasındaki Haziran, Temmuz, Ağustos, Eylül aylarına ait Sentinel-1 uydu görüntüsü için toplam 434 görüntü ve Landsat-8 için ise toplam 693 görüntüden oluşmaktadır. Son aşamada, elde edilen yansıma değerleri üç faklı kategoride sınıflandırılmıştır. Bunlar:1-) Sadece Sentinel-1 bantlarıyla sınıflandırma, 2-) Sadece Landsat-8’in B1-B7 bantlarıyla sınıflandırma, 3-) Hem Sentinel-1 hem de Landsat-8’in B1-B7 bantlarıyla sınıflandırma şeklindedir. Bu üç farklı yansıma değerleri, Transformer Derin Öğrenme ağı girişine verilerek, tarımsal ürünler (Mısır ve Pamuk) tespit edilmiştir. Birinci sınıflandırmada yalnız Sentilel-1 uydu görüntülerinin yansıma değerleri kullanıldığında %85 sınıflandırma doğruluğu elde edilmiştir. İkinci sınıflandırmada, Landsat-8’in B1-B7 bantlarının uydu görüntülerinin yansıma değerleri için %95 sınıflandırma doğruluğu bulunmuştur. Üçüncü sınıflandırma da ise Sentinel-1ve Landsat-8’in B1-B7 bantlarının uydu görüntüleri yansıma değerleri birlikte kullanıldığında %87,5 ortalama doğruluk değeri gözlemlenmiştir.Öğe Akciğer kanserinin derin öğrenme yaklaşımları kullanılarak tespit edilmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-03-20) Ayayna, Ferhat; Çalışkan, AbidinKanser, dünyadaki tüm ülkelerde ölüm sebebi ve kötü yaşam kalitesinin en büyük nedenlerinden olarak ilk sıralarda yer almaktadır. Dünya sağlık örgütü’nün 2019 yılındaki kayıtlarına göre yapmış olduğu tahminlerde kanser 183 ülkenin 112 ‘inde 70 yaş üzerindeki ölümlerin nedenleri arasında birinci veya ikinci sırada bulunurken 23 ülkede ise ölüm nedeni olarak üçüncü veya dördüncü sırada yer alır. Koroner kalp hastalığından ve inmeden dolayı ölenlerin oranlarındaki düşüş kanserin öneminin artmasına neden olmuştur. 2020 yılında 2,2 milyon yeni teşhis (tüm kanserler arasında yaklaşık %11,4) ve 1,8 milyon ölüm nedeni olarak akciğer kanseri en çok teşhis edilen kanserler arasında ikinci, ölüm sebebi olarak birinci sırada yer almıştır. Akciğer kanserinin teşhis edilmesinde ve tedavi sürecinde tıbbi görüntüleme tekniklerin önemi büyüktür. Bilgisayarlı tomografi, göğüs röntgeni, manyetik rezonans görüntüleme, moleküler görüntüleme teknikleri ve pozitron emisyon tomografisi akciğer kanserinin tespit edilmesinde önemli yer tutarlar. Kullanılan bu tekniklerin en büyük eksiklikleri arasında, başka patolojik rahatsızlığı olan hastalar için uygun olmayan ve kanser türünün sınıflandırılamaması gibi sorunlar yer alır. Bu kanser için erken teşhis ve sınıflandırma için yeni yaklaşımlarda bulunmak gerekmektedir. Tıpta görüntüleme alanında değeri artan konulardan biri olarak derin öğrenme yöntemi giderek daha fazla kullanılmaya başlanmıştır. Doktorların akciğer kanseri için daha net ve daha hızlı bir şekilde karar vermelerinde yapay zekâ ve derin öğrenmeyi kapsayan tıbbi cihazların geliştirilmesi son derece önemlidir. Bu çalışmada, akciğer kanserinin tespit ve sınıflandırılması için VGG16, VGG19 ve Xception yöntemleri kullanılmıştır. Derin öğrenme tabanlı yöntemler kullanılarak yapılan çalışmalarda, önerilen yaklaşım ile VGG16, VGG19 ve Xception yöntemleri ile %94,19, %95,24 ve %90,14 oranında başarı elde edilmiştir.Öğe Derin öğrenme algoritmaları kullanarak insansız hava araçları ile silah tespiti(Batman Üniversitesi Fen Bilimleri Enstitüsü, 2020-07-09) Burgaz, Mustafa; Budak, CaferDerin öğrenme algoritmalarının günümüzde yaygınlaşması görüntü ve videolarda nesne tespit, tanıma uygulamalarının artmasına sebep olmuştur. Nesne tespit ve tanıma uygulamaları son yıllarda güvenlik, savunma, doğal afetler (sel, deprem ve yangın vb.), sağlık (salgınların yayılımının önlenmesi vb.), tarım, ormancılık alanlarında birçok problemlere çözüm bulmaktadır. Nesne tespit, tanıma uygulamalarında oldukça yaygın kullanılan algoritmaların başında Bölgesel Tabanlı Konvolüsyonel Sinir Ağları (R-CNN) gelmektedir. R-CNN’nin geliştirilen tespit uygulamalarına yardımcı olmaları açısından Hızlı bölgesel tabanlı konvolüsyonel sinir ağları (Fast R-CNN) ve Daha hızlı bölgesel tabanlı konvolüsyonel sinir ağları (Faster R-CNN) algoritmaları geliştirilmiştir. Nesne tespit uygulamalarının başarısını daha da artırmak için kullanılan bir başka Konvolüsyonel sinir ağları (CNN) algoritması da ResNet101 algoritmasıdır. Özellikle görüntü tespitinde yaygın bir şekilde kullanılan ResNet101, R-CNN, Fast R-CNN ve Faster R-CNN algoritmalarının birbirleri arasındaki nesne tespit doğruluk oranı, nesne tespit zamanı gibi farkları en aza indirgemek için tercih edilmiştir. Bu çalışmada insansız hava aracı (İHA) ile havadan çekilmiş görüntülerden nesne (silah) tespiti yapılması amaçlanmıştır. Elde edilen görüntülerde R-CNN nesne (silah) tespitinde doğru tahmin oranının diğer R-CNN çeşitlerinden yüksek olması sebebiyle tercih edilmiştir. R-CNN algoritmalarının yanında doğru tahmin oranına katkısını görebilmek maksadıyla ResNet101 algoritmasının kullanımı bu çalışmada denenmiştir. Bu kapsamda İHA ile havadan çekilmiş 200 adet görüntü kullanarak eğitim verileri ve test verileri oluşturulmuştur. Yapılan eğitim sonucunda veri seti üzerinde R-CNN mimarisi ve ResNet101 mimarisiyle %99 doğruluk oranı, hassaasiyet ile görüntü tespit edilmiştir. Söz konusu çalışma ile R-CNN mimarisinin ve ResNet101 mimarisinin İHA görüntülerinde nesne (silah) tespitinde ne kadar başarılı olduğu ortaya konulmuştur.Öğe Sera gazı emisyonu hesaplamalarında yapay zekâ uygulamaları(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-08-07) Ertuğrul, Serkan; Sezgin, NecmettinKüresel ısınmayı tetikleyen sera gazları, doğal etmenlerin yanı sıra insan kaynaklı faaliyetlerden de kaynaklanmaktadır. Fosil yakıtların kullanımıyla ortaya çıkan sera gazları emisyonu, küresel ısınmada önemli bir etkendir. Özellikle karbondioksit, küresel ısınma üzerinde en güçlü etkiye sahiptir; çünkü sıcaklığı emen bir gaz olarak, etkisi son derece büyük ölçüdedir. Küresel anlaşmalar, özellikle Paris Anlaşması gibi, insan faaliyetlerinin azaltılması ve net sıfır emisyon hedeflerinin benimsenmesi yönünde önemli adımlar atmıştır. Bu bağlamda, tüm ülkelerin sürdürülebilir ve gerçekçi programlar uygulayarak sera gazı emisyonlarını azaltma hedeflerine ulaşmaları beklenmektedir. Finansal, ekonomik ve insani gelişmişlik göstergeleri, nüfus, ormansızlaştırma ve enerji tüketimi gibi verileri kullanarak, bazı ülkelerde gelecekteki sera gazı emisyon seviyelerini hesaplamak için makine öğrenimi yöntemleri kullanılmıştır. Bu çalışmada, sera gazı emisyonlarının azaltılması hedefine ulaşmak için MATLAB programı aracılığıyla uzun kısa dönem bellek (LSTM) ve hibrit CNN-RNN modeli gibi derin öğrenme yöntemleri kullanılarak karşılaştırmalar yapılmıştır. Ayrıca, zaman serisi verileri için NARX modellemesi ile elde edilen tahminlerle LSTM modellemesi sonuçları karşılaştırılarak gelecekteki sera gazı emisyonları tahmin edilmiştir. Bu çalışma ayrıca, ülkelerin sera gazı emisyon azaltma hedeflerine ulaşmaları için farklı verileri göz önünde bulundurarak sürdürülebilir programlar geliştirmelerine kolaylık sağlaması beklenmektedir.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 Derin öğrenme ile anlamsal bölütleme ve piksel görüntülerinden gerçek görüntü üretimi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-07-10) Arıca, Emre; Kaya, Yılmazİki bölümden oluşan bu tez çalışmasının ilk bölümünde derin öğrenme metotları ile anlamsal bölütleme işlemi gerçekleştirilmiştir. Anlamsal bölütleme işlemi, bir görüntüdeki her pikselin ilgili bir etiket ile ilişkilendirme işlemidir. Anlamsal bölütleme ile görüntüdeki nesnelerin tespiti, yerinin belirlenmesi mümkün kılınmaktadır. Bilgisayar sistemleri tarafından görüntülerin daha iyi yorumlanması, anlaşılması için anlamsal bölütleme önemlidir. Son yıllarda derin öğrenme metotları ile görüntülerden nesne tespiti nesnelerin yorumlanmasında yaygın bir şekilde kullanılmaktadır. Mevcut araştırmada Resnet-18 transfer yöntemini temel alan Deeplab v3+ CNN ağı ile anlamsal bölütleme işlemi gerçekleştirilmiştir. Bunun için Camvid veri seti kullanılmıştır. 701 yüksek çözünürlüklü görüntüden oluşan veri setindeki görüntülere piksel bazlı anlamsal bölütleme manuel olarak uygulanmıştır. Öncelikli olarak bölütleme işlemi Gretag–Macbeth renk şeması esas alınarak gerçekleştirilmiştir. Ardından Deeplab v3+ gerçek görüntüler piksel görüntülerle eşleştirilerek eğitim işlemi gerçekleştirilmiştir. Modeli test etmek için farklı görüntüler kullanılmıştır. Gözlenen Jaccard, Sørensen-Dice ve BF Skoru metriklerine göre yüksek başarılar gözlenmiştir. Tezin ikinci aşamasında derin öğrenme metotları ile piksel görüntülerden sentetik görüntüler oluşturulmuştur. Bu kapsamda derin öğrenme metotlarından GAN yöntemlerinden faydalanılmıştır. GAN modeller farklı alanlarda sentetik veriler üretmek için yaygın bir şekilde tercih edilmektedir. Araştırmada gerçek görüntüler oluşturmak için Pix2PixHD GAN modeli kullanılmıştır. Pix2PixHD, yüksek çözünürlüklü görüntülerin düşük çözünürlüklü eşlemelerinden gerçekçi ve ayrıntılı görüntüler üretmek için kullanılan bir görüntü çeviri yöntemidir. Bu yöntemin temelinde, derin öğrenme ve özellikle de evrişimli sinir ağları vardır. Pix2PixHD GAN yönteminde CNN ağı olarak VGG19 transfer derin öğrenme metodu kullanılmıştır. Denemeler Camvid veri seti üzerinde gerçekleştirilmiştir. Gerçekleştirilen denemelerde başarılı yüksek çözünürlüklü görüntülerin üretildiği sonucuna varılmıştır.Öğe Beyin tümörünün derin öğrenme yaklaşımları kullanılarak tespit edilmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-09-27) Aslım, Cafer; Çalışkan, AbidinBu yüksek lisans tezi, beyin tümörlerinin tespiti için derin öğrenme yöntemlerinin kullanımını incelemektedir. Beyin tümörleri, dünya genelinde nadir görülmelerine rağmen yüksek ölüm oranlarına sahip ciddi malignitelerdir. Erken teşhis ve doğru sınıflandırma, tedavi sürecinde hayati öneme sahiptir. Bu çalışmada, derin öğrenme yöntemlerinin, özellikle evrişimsel sinir ağlarının (ESA), beyin tümörlerinin tespiti ve sınıflandırılması üzerindeki performansı değerlendirilmektedir. Çeşitli derin öğrenme modelleri ve makine öğrenmesi algoritmaları kullanılarak, beyin tümörlerinin MRI ve BT görüntülerinden tespit edilmesi amaçlanmıştır. Çalışmada VGG19, Inception V3 ve MobileNet gibi derin öğrenme modelleri ile K-En Yakın Komşu (k-NN) ve Destek Vektör Makineleri (DVM) gibi makine öğrenme algoritmaları kullanılmıştır. Model performansları doğruluk, hassasiyet, duyarlılık, F1 skoru ve ROC-AUC gibi metriklerle değerlendirilmiştir. Elde edilen sonuçlar, derin öğrenme modellerinin beyin tümörlerinin tespitinde yüksek doğruluk ve güvenilirlik sunduğunu göstermektedir. Özellikle VGG19 modelinin diğer modellere kıyasla daha yüksek performans sergilediği tespit edilmiştir. Bu bulgular, derin öğrenme yöntemlerinin tıbbi görüntü analizi alanında etkili bir araç olabileceğini ve klinik uygulamalarda kullanılabilirliğini göstermektedir. Gelecekteki çalışmalarda, daha büyük veri setleri ve farklı derin öğrenme modelleri kullanılarak performansın daha da artırılması hedeflenebilir.
- «
- 1 (current)
- 2
- 3
- »
