Geri Dön

Eye segmentation using deep neural networks

Derin sinir ağları kullanılarak göz bölütlemesi

  1. Tez No: 655970
  2. Yazar: MELİH ÖZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ TANER DANIŞMAN
  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: 2021
  8. Dil: İngilizce
  9. Üniversite: Akdeniz Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 42

Özet

Gözler insanlık tarihinin başından beri insanların odaklandığı noktalardan birisi olmuştur. Görsel girdilerden sorumlu olmasının yanı sıra, kişinin sağlığı hakkında bilgi taşıması, insanların duygusal durumunu anlama yönünde yardımcı olması gibi özelliklerinden dolayı pek çok araştırmada kullanılmaktadır. Bu çalışmada göz fotoğrafları sklera, iris, göz ve arkaplan olarak bölütlenmesi amaçlanmıştır. Bu amaca hizmet etmesi için derin sinir ağları kullanılmıştır. Bu çalışma kapsamında, derin sinir ağlarını eğitebilmek için bir veri seti oluşturulmuştur ve bu veri seti araştırmacıların faydalanması için yayınlanmıştır. Veri setinde bulunan fotoğraflar farklı ışık, renk, mesefe ve yansıma özellikleri göstermektedir. Bu çalışmada derin sinir ağları göz bölütleme konusu üzerinden kıyaslanmıştır. İlk olarak temel derin sinir ağları parametrelerini belirlemek için deneyler yapılmış ve elde edilen parametreler doğrultusunda derin sinir ağlarının performansları kıyaslanmıştır. Bu sinir ağları VGGNet, UNet, PSPNet, DeeplabV3+ ve HRNetV2 yapılarını içermektedir. Bu ağların genelleme yeteneği eğitim ve test setindeki başarıları ölçülmüştür. Veri setinin bir kısmını oluşturan sentetik datanın ve data çoğaltma tekniklerinin etkisi incelenmiştir, birbirlerine göre avantajları ve dezavantajları sıralanmıştır.

Özet (Çeviri)

Eyes have been one of the focus points of people since the beginning of human history. In addition to being responsible for visual inputs, it is used in many research due to its characteristics such as carrying information about the person's health and helping people to understand their emotional state. In this study, it was aimed to segment the eye images into the sclera, iris, eye, and background. Deep neural networks have been used to aim this goal. Within the scope of this study, a dataset created to train deep neural networks, and this dataset is published for the use of researchers. The photos in the dataset show different light, color, distance, and reflection characteristics. The dataset contains images from the MicheII dataset, synthetic images generated from the UnityEyes program, and the dataset we created from the videos taken for the BAP project TTU-2018-3295. In this study, the performance of the different deep neural networks was compared on the subject of eye segmentation. Firstly, experiments were made to determine basic deep learning parameters. After that, performances of various deep neural networks were compared in line with the obtained data. These networks include VGGNet, UNet, PSPNet, DeeplabV3+, and HRNetV2 structure. Their success in the generalization performance was measured in the training and test set of these networks. Synthetic data that make up a part of the dataset and data augmentation techniques were examined. Advantages and disadvantages compared to each other.

Benzer Tezler

  1. Derin öğrenme algoritmaları kullanılarak göz bebeği tespiti

    Pupil detection using deep learning algorithms

    HATİCE KÜBRA KÜÇÜKKARTAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. CÜNEYT AKINLAR

  2. Evrişimli sinir ağları kullanılarak retina görüntülerinin segmentasyonu ve sınıflandırılması

    Segmentation and classification of retina images using convolutional neural networks

    MALI MOHAMMEDHASAN

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HARUN UĞUZ

  3. Panoramik radyografi kullanılarak iki farklı derin öğrenme metodunun dişlerin sınıflandırılması üzerindeki performanslarının karşılaştırılmalı olarak incelenmesi

    Comparative investigation of the performances of two different deep learning methods on classification of teeth using panoramic radiography

    SERKAN YILMAZ

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2021

    Diş HekimliğiErciyes Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    DOÇ. DR. EMİN MURAT CANGER

  4. Derin öğrenme tabanlı algoritmalar kullanarak fizyolojik işaretlerden uyku skorlaması

    Sleep scoring in physiological signals by deep learning-based algorithms

    HASAN ZAN

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULNASIR YILDIZ

  5. Bilgisayar destekli iridoloji tarama sistemi

    Computer based iridology scanning system

    MERVE NUR ÖNAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Mühendislik BilimleriAfyon Kocatepe Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜR EMRE GÜRAKSIN