Evrişimsel sinir ağlarını kullanarak işaret dili görüntülerinin sınıflandırılması
Image classification for sign language usingconvolutional neural network
- Tez No: 634386
- Danışmanlar: DR. ÖĞR. ÜYESİ ÜMİT TOKEŞER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Kastamonu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
ÖZET YÜKSEK LİSANS TEZİ EVRİŞİMSEL SİNİR AĞLARINI KULLANARAK İŞARET DİLİ GÖRÜNTÜLERİNİN SINIFLANDIRILMASI KHALED MOHAMED ABUBAKER ELBAYOUDI KASTAMONU ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MALZEME BİLİMİ VE MÜHENDİSLİĞİ ANA BİLİM DALI DANIŞMAN: DR. ÖĞR. ÜYESİ ÜMİT TOKEŞER Bu tezde, Türk İşaret Dili üzerine bir derin öğrenme (deep learning) uygulaması yapılmaktadır. Dünya genelinde işaret dili tanıma üzerine yapılmış ve halen de devam etmekte olan pek çok çalışma bulunmaktadır. İşaret dili tanıma üzerine yapılan çalışmalar değerlendirildiğinde pek çok problemle karşılaşıldığı görülmüştür. Görüntü işleme açısından değerlendirildiğinde söz konusu problemlerin başlıcaları ortamın aydınlığı ve ışık, arkaplanın karmaşıklığı, kameranın bulunduğu konum ve pozisyonu, oldukça zor olan ve pek çok soruna yol açan uygun alanın çıkarılması işlemi, segmentasyon uygulamalarının sonucu bazı hareketlerin kaybı ve alfabeyi temsil eden bazı parmak hareketlerinin birbirine çok benzemesidir. İşaretlerin kurallara uygun şekilde ifade edilmemesi, peşpeşe gelen işaretler için doğru görüntülerin/karelerin seçilmemesi ve öznitelik çıkarımında doğru yöntemi seçme yeteneğinin eksikliği gibi sebeplerden kaynaklanan yanlış çıkarımlarda bulunulması türünden problemler de mevcuttur. Son zamanlarda yapılan çalışmalara bakıldığında, görüntü işlemeden kaynaklanan problemlerin çözülmesinde Kinect teknolojisinin kullanıldığı görülmektedir. Bu sistemler fazladan donanım gerektirdiği için çok maliyetli olabilmekte ve bu yüzden fazla tercih edilmemektedir. Bu nedenle daha az hatayı netice veren işaret dili tanıma sistemleri geliştirmek için çalışmalar devam etmektedir. ANAHTAR KELİMELER: Türk işaret dili, yapay sinir ağları, derin öğrenme. 2020, 69 Sayfa Bilim Kodu:91
Özet (Çeviri)
ABSTRACT MSC THESIS IMAGE CLASSİFİCATİON FOR SİGN LANGUAGE USİNG CONVOLUTİONAL NEURAL NETWORK KHALED MOHAMED ABUBAKER ELBAYOUDI KASTAMONU UNIVERSITY INSTITUTE OF SCIENCE DEPAERTMENT OF MATERİAL SCİENCE AND ENGİNEERİNG SUPERVISOR: ASSİST. PROF. ÜMİT TOKEŞER In this thesis, the deep learning method is used to Turkish Sign Languages. Many studies on sign language recognition have been and are still being conducted around the world. When the studies on sign language recognition were evaluated, it was seen that many problems were encountered. From the perspective of image processing, the main problems are the light in the environment, the complexity of the background, the position of the camera, the difficult and troublesome removal of the relevant region, the loss of some signs as a result of segmentation applications and the movements of the finger alphabet are very similar. There are also problems such as incorrect results when the signs are not made in accordance with the rule, difficulty in selecting the right frames for the recognition of successive signs, and inability to choose the correct property extraction method. When we look at the latest studies, it is seen that Kinect technology is used to solve the problems caused by image processing. Such systems are very costly as they require additional equipment and are therefore not preferred much. Therefore, studies are still going on to develop sign language recognition systems with the least error rate. KEYWORDS: Turkish sign languages, artificial neural network, deep learning. 2020, 69 Pages Science Code:91
Benzer Tezler
- Score level multi cue fusion for sign language recognition
İşaret dili tanıma için sonuç seviyesinde çoklu ipucu kaynaşımı
ÇAĞRI GÖKÇE
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. LALE AKARUN ERSOY
- Emotion recognition on static images using transfer learning and ensembling
Transfer ögrenme ve topluluk öğgrenmesi kullanarak durağan görüntüler üzerinde duygu tanıma
HÜSEYİN ABANOZ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Derin evrişimsel sinir ağlarını kullanılarak araç, insan ve trafik işaretlerinin tanınması
Recognition of vehicle, human and traffic signs using deep convolutional neural networks
GÜLYETER ÖZTÜRK
Yüksek Lisans
Türkçe
2020
Mekatronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. RAŞİT KÖKER
- Classification of pediatric snoring episodes using deep convolutional neural networks
Pediyatrik horlama episodlarının derin evrişimsel sinir ağları ile sınıflandırılması
OZAN FIRAT CİVANER
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. MUSTAFA ERSEL KAMAŞAK
- Artificial intelligence based detection schemes for secure wireless communication
Güvenli telsiz iletişimin sağlanmasına yönelik yapay zeka tabanlı sınıflandırma metotları
SELEN GEÇGEL
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNEŞ ZEYNEP KARABULUT KURT