Derin öğrenme yöntemi ile köpek davranışlarının analizi ve sınıflandırılması
Analysis and classification of dog behaviours using deep learning
- Tez No: 529691
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRE DANDIL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin Öğrenme, Evrişimsel Sinir Ağları(ESA, CNN), Bilgisayarlı Görü, Köpek Davranışları, Hayvan Davranış Tespiti, Deep Learning, Convolutional Neural Networks (CNN), Computer Vision, Dog Behaviours, Animal Behavior Detection
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Bilecik Şeyh Edebali Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Hayvan yüzlerinin, vücut duruşlarının, davranışlarının ve fiziksel hareketlerinin gözlenmesi ve tanınması son zamanlarda disiplinlerarası bir alan olarak ön plana çıkmıştır. Bilgisayarlı görü, sayısal görüntü işleme gibi alanlardaki önemli teknolojik gelişmeler, videolar üzerinde insan davranışlarının analizinde kullanılabilmesinin yanında hayvan davranışlarının tespit edilmesinde yardımcı bir yöntem olmaktadır. Hayvanlarda, özellikle davranışların bilgisayarlı görü yöntemiyle tespiti ile ortaya çıkabilecek sonraki davranışların öngörülmesine ve hayvanların evcilleştirilmesine katkı sunabilir. Önerilen tez çalışmasında, köpeklerin davranışlarının analiz edilmesi ve sınıflandırılması için derin öğrenmeye dayalı bir sistem önerilmiştir. Giydirilebilir aksiyon kamera ve sabit kamera kullanılarak insanlar ile temastan kaçınmayan iki farklı türde köpeğin davranışlarını içeren videolar toplanarak bir veri seti oluşturulmuştur. Sonraki aşamada ise, köpeklerin davranışlarını analiz eden ve sınıflandırılmasını sağlayan derin öğrenme tabanlı uygulama gerçekleştirilmiştir. Elde edilen videolar üzerinde gerekli analizler yapıldıktan sonra belirlenen ağız açma, dil çıkarma, kulak dikme, kuyruk sallama, koklama, oyun oynama gibi davranışlar videolardan çıkarılarak, daha anlamlı bölümlerden oluşan özelleştirilmiş bir veri seti getirilmiştir. Bu videolardan anlamlı bölümlerin elde edilmesi ve özellik çıkarımı yapıldıktan sonra R-CNN (Bölgesel Evrişimsel Sinirsel Ağlar) ile belirlenen davranışların analizi gerçekleştirilmiştir. Yapılan deneysel çalışmalar üzerinde, köpeklerin ağız açma, dil çıkarma, kulak dikme, kuyruk sallama, koklama, oyun oynama davranışları incelenmiş ve bu davranışlar için sırasıyla %100, %99.99, %99.99, %95.99, %99.28, %99.64 eğitim başarımı elde edilmiştir.
Özet (Çeviri)
Observation and recognition of animal faces, body postures, behaviors, and physical movements has recently become one of the most fundamental tasks of multidiscipline. The outstanding technological advances in areas such as computer vision and digital image processing can be used in the analysis of human behaviors on videos, as well as helping to detect animal behavior. In animals, it can contribute to the prediction of subsequent behaviors that may occur with computerized vision, and to domesticate animals. In the proposed thesis work, a system based on deep learning has been proposed to analyze and classify the behavior of dogs. A database was created by collecting videos showing the behavior of two different species dogs that do not avoid contact with people by using the wearable action camera and fixed camera. In the next stage, a deep learning-based application was conducted to analyze and classify the behavior of dogs. Determined behaviors such as mouth opening, tongue out, ears up, tail wagging, sniffing, playing, after the necessary examinations were made on the obtained videos, a special set of more meaningful sections was introduced. After feature extraction and obtaining meaningful sections from these videos, analysis of the behavior was performed by R-CNN. On the experimental studies, the behavior of the dog such as mouth opening, tongue out, sniffing, ears up, tail wagging, playing was examined and, training performance was obtained 100%, 99.99%, 99.28%, 99.99%, 95.99%, 99.64% for these behaviors, respectively.
Benzer Tezler
- Derin öğrenme yöntemi ile metinsel ifadelerde duygu analizi
Deep learning for sentiment analysis in textual expressions
NURAY YILDIZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBatman ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DOÇ. DR. YILMAZ KAYA
- A stock trading application using deep learning
Derin öğrenme yöntemi ile hisse alım satım uygulaması
HÜSEYİN SERCAN KARAOĞLU
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN AYVAZ
- Derin öğrenme yöntemi ile bilgisayarlı tomografi görüntülerinden karaciğer tümörü tespiti
Liver tumor detection from computed tomography images with deep learning method
HANİFE VEÇEYİŞ
Yüksek Lisans
Türkçe
2025
Mühendislik BilimleriGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ŞAKİR BİLGE
- Derin öğrenme yöntemi ile deprem sırasında mobil platform üzerinden twitter'da paylaşılan acil mesajların tespiti
Detection of urgent messages shared on twitter via mobile platform during an earthquake with deep learning method
MÜCAHİT SÖYLEMEZ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKTO Karatay ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ÖZTÜRK
- Derin öğrenme yöntemi ile kumaş hatalarının otomatik tespiti ve sınıflandırılması
Automatic detection and classification of fabric defects with deep learning method
SAFA ZENHAR
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiGAZİANTEP İSLAM BİLİM VE TEKNOLOJİ ÜNİVERSİTESİElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İPEK ATİK