Geri Dön

Bayes tabanlı sahne sınıflandırması

Bayesian scene classification

  1. Tez No: 182350
  2. Yazar: AJDA DALKILIÇ KARABULUT
  3. Danışmanlar: PROF.DR. ALİ SAATÇİ, Y.DOÇ.DR. SELİM AKSOY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2006
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 71

Özet

Günümüzde teknolojinin hızlı bir şekilde ilerlemesi, sayısal ortamda saklananresim ve video arşivlerini ve bu arşivleri kullanan araştırma alanlarını hızlı birşekilde arttırmıştır. Bu arşivlerden en iyi şekilde yararlanılabilmesi için otomatikolarak değerlendirme ve çözümleme yapılması zorunlu bir koşul olarak ortayaçıkmıştır. Bu konuda, bu güne kadar yapılan çalışmalarda, resimlerin bütünündenelde edilen öznitelikler kullanılarak çeşitli istatistiksel yöntemler uygulanmıştır.Ancak, bu yöntemlerin başarısının sınırlı kalması, resimlerdeki alt alanlarınincelenmesi ve resimlerdeki uzamsal bilginin dikkate alınması gerektiğinigöstermiştir. Bu tez çalışmasında, uzamsal bilgi, resmin alt alanlara bölünmesiylemodellenmiştir. Alt alanlardan çıkarılan öznitelik bilgileriyle öbeklendirme yapılmışve resimler, farklı öbeklere atanan alt alanların toplamı olarak üç farklı biçimdemodellenmiştir. Önerilen modeller, kar, bitki örtüsü, su, gökyüzü, dağ ve şehirsahnelerinin sınıflandırılması için TRECVID2005 verisi ile test edilmiş ve uzamsalbilgiyi kullanmayan modellere göre sınıflandırma başarımının arttığı gözlenmiştir.

Özet (Çeviri)

The rapid development of technology has increased the digital image and videoarchives and enhanced the research areas that use these archives. To benefit fromthese archives most efficiently, automatically evaluating and analysing them hasarised as an obligation. At all the researches about this topic which are done up tonow, many statistical methods were applied that use the features extracted from thewhole image. But, the limited success of these methods has shown that, it is requiredto examine the subregions of the images and to consider the spatial information. Inthis thesis, spatial information has been modelled by the division of image intosubregions. Clustering has been done with the features that are extracted from thesubregions and the images have been modelled as the sum of distinctly clusteredsubregions in three different ways. The proposed models have been tested withTRECVID2005 dataset for the classification of snow, vegetation, water, sky, mountainand city scenes and it has been observed that the classification performanceincreased according to the models that do not use spatial information.

Benzer Tezler

  1. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  2. Shilling attack design and detection on masked binary data

    Gizlenmiş ikili veriler üzerinde şilin atak tasarımı ve tespiti

    ZEYNEP BATMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HÜSEYİN POLAT

  3. Detect malware url using naive bayes algorithm

    Naive bayes algoritmasını kullanarak kötü amaçlı yazılım url'sini algılama

    FATİMAH YASEEN HASHİM AL-ZUBAİDİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

  4. Derin öğrenme tabanlı oltalama saldırıları tespit sistemi

    Deep learning based development of pishing attack detection

    FERDİ GÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Siber Güvenlik Ana Bilim Dalı

    DOÇ. DR. ÖNDER DEMİR

  5. Fake news detection with deep learning and machine learning methods

    Sahte haberlerin derin öğrenme ve makine öğrenmesi ile tespiti

    HATİCE KÜBRA KILINÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHasan Kalyoncu Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BÜLENT HAZNEDAR