Spectrogram images based identification of bird species using convolutional neural networks
Kuş türlerinin konvolüksiyonel sinir ağları kullanılarak spektrogram görüntüleri tabanlı tanımlanması
- Tez No: 664682
- Danışmanlar: DOÇ. DR. HAKAN KUTUCU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 63
Özet
Kuş türlerinin sesleriyle tanımlanması bir araştırma alanıdır. Bu makale, Evrişimli Sinir Ağlarını (CNN) kullanarak spektrogram görüntülerine dayalı olarak kuş türlerini tanımlamaya odaklanmaktadır. Bu, kuş türlerinin spektrogram analizi ile ileri düzeyde tanımlanmasından bahsederken bir zorluktan fazlasını temsil eder. Spektrumun farklı CNN mimari modelleri ve temsilleri, veri setimizdeki 437 farklı sınıfa ait 10600 ses örneği üzerinde eğitilmiş, doğrulanmış ve test edilmiştir. CNN'in, eksik veya yanlış kuş türleri bilgisinin sonuçlarından kaynaklanan potansiyel modelleme hatalarını ortadan kaldırdığı için iyi sonuçlara ulaşılmasına izin verdiği sonucuna vardık. Modeller Python programlama dili ve Librosa kütüphanesi kullanılarak gerçekleştirildi. Kuş sesleri Türkiye'nin farklı bölgelerinden elde edildi ve bir spektrogram veri seti oluşturmak için ön işleme işlemleri gerçekleştirdik. Etiket seslerini eğitim, test ve doğrulama için böldük. Daha sonra numuneler 10 katına konuldu. Sistem 150 dönem için eğitim alır ve kayıp 0,775922'dir ve genel eğitim doğruluğu 0,94'tür.
Özet (Çeviri)
The identification of bird species by their sounds is one field of research. This paper focuses on identifying bird species based on spectrogram images using Convolutional Neural Networks (CNN). This is more than a challenge when talking about advanced identification of bird species using spectrogram analysis. Different CNN architecture models and representations of the spectrum have been trained, validated, and tested on 10600 audio instances, which belongs to 437 various classes in our dataset. We had concluded that CNN allows achieving good results since it eliminates the potential modeling errors from results of the incomplete or inaccurate bird species knowledge. The models were implemented by using the Python programming language and the Librosa library. The bird sounds have been obtained from different areas in Turkey, and we performed pre-processing operations to create a spectrogram dataset. We divided the label sounds for training, testing, and validation. Then, the samples were put into 10-folds. The system trains for 150-epochs and the loss is 0.7759 and the overall training accuracy stands at 0.94.
Benzer Tezler
- Aras kuş türlerinin ses özellikleri bakımından derin öğrenme yöntemleriyle kimliklendirilmesi
Identification of aras bird species with deep learning methods in terms of voice characteristics
SEDA BAYAT
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIğdır ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLTEKİN IŞIK
- Patolojik seslerin tanısı için derin öğrenme tabanlı tıbbi karar destek sisteminin geliştirilmesi
Development of a deep learning-based medical decision support system for the diagnosis of pathological voices
İREM BİGAT
Yüksek Lisans
Türkçe
2022
BiyomühendislikTOBB Ekonomi ve Teknoloji ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN EROĞUL
- Cardiac arrhythmias classification based on spectrogram and convolutional neural networks
Kalp aritmilerinin evrişimsel sinir ağları ve spektrogram tabanlı yöntemle sınıflandırılması
SENA YAĞMUR ŞEN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NALAN ÖZKURT
- Hardware implementation for 802.11b/g/n signal classification
802.11b/g/n sinyal sınıflandırması için donanım tasarımı
RAMAZAN ÇETİN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL FAİK BAŞKAYA
- Design of robust speaker idintification with built-in noise immunity
Gürültü ayırıma özellikli hoparlör tasarımı
ALI NAJDET NASRET CORAN
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAYRİ SEVER
DR. ÖĞR. ÜYESİ MURAD MOHAMMED AMIN