Derin öğrenme kullanılarak seam carving ile boyutlandırılmış görüntülerin tespiti
Detecting the resize of seam carved image with deep learning
- Tez No: 672112
- Danışmanlar: DOÇ. DR. DEVRİM AKGÜN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: 75
Özet
İçeriğe duyarlı görüntü yeniden boyutlandırma olarak bilenen seam carving, görüntünün içeriği koruncak şeklinde, görüntü boyutunu ayarlama yöntemlerinden biridir. Görüntüyü yeniden boyutlandırma, çeşitli aygıt ekranları ve uygulamalar gibi modüller arasındaki farklı çözünürlüklerin üstesinden gelebilmek için kullanılır. Görüntünün orijinal içeriği bozmak veya kaldırmak için de kasıtlı olarak kullanılabilir. Dolayısıyla görüntülere bu tür dış müdahaleyi tespit etmek, büyük önem arz etmektedir. Bu tez çalışmasında görüntülere uygulanan seam carving tespiti, derin öğrenme modelleri, bilgisayar görmesinde yaygın olarak başvurulan 2 boyutlu konvolüsyonel sinir ağları (CNN – Convolutional Neural Network) ve tam bağlantılı (FC - Fully Connected) kullanılarak tespit gerçekleştirilmiştir. Önerilen model, % 0, % 10, %20 ve % 40 seam carving sınıflarından oluşan dört çıkışa sahip, çoklu sınıflandırıcı olarak geliştirilmiştir. Oluşturulan derin öğrenme ağlarının eğitiminde, ImageNet açık kaynak görüntü seti kullanılmaktadır. Orijinal görüntülerin yanında, dikey yönünde seam carving ile %10, %20 ve %40 boyutları azaltılmış görüntüler kullanılarak eğitim ve test veri setleri elde edilmiştir. Modelin başarımı, karmaşıklık (confusion) matrisi ve test setlerini doğru sınıflandırma oranı ile ölçeklenmiştir. Modelin doğruluk analizi, görüntüler üzerinde model test edilerek, karmaşıklık, kesinlik (precision), F1-score ve recall matrisleriyle sonuçları ve doğruluk değeri detaylı olarak gösterilmiştir.
Özet (Çeviri)
Seam carving, also known as content-aware image resizing, is one of the methods for adjusting the image size such that the content of the image will be preserved. Image resizing is used to handle different resolutions between modules of various device screens and applications. It can also be used intentionally to corrupt or remove the original content of the image. Therefore, it is of great importance to detect external interference with the images. In this thesis, we made detection of seam carving applied to images, by using deep learning models, 2-dimensional convolutional neural networks (CNN - Convolutional Neural Network), and fully connected (FC - Fully Connected) commonly used in computer vision. The proposed model was developed as a multi-classifier with four outputs consisting of 0%, 10%, 20% and 40% seam carving classes. ImageNet which is an open source image dataset is used in the training of created deep learning networks. In addition to the original images, training and testing data sets were obtained using images with reduced dimensions of 10%, 20% and 40% by seam carving in the vertical direction. The performance of the model has been scaled with the confusion matrix and the correct classification rate of the test sets. The accuracy analysis of the model was tested on the images, and the results and accuracy value were shown in detail with confusion, precision, f1-score and recall matrices.
Benzer Tezler
- Derin öğrenme kullanılarak iki boyutlu görüntülerin yeniden yapılandırılması
Reconstruction of two dimensional images using deep learning
MUHAMMED FATİH AĞALDAY
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÇINAR
- Automatic threat detection in X-ray images using deep learning
Derin öğrenme kullanılarak X-ray görüntülerinde otomatik tehdit algılama
HALİL UĞUR BAYEZİT
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET REŞİT TOLUN
- Derin öğrenme kullanılarak uzaktan algılama görüntülerinden gemi tespiti
Ship detection from remote sensing images using deep learning
BEYZANUR TEKİNDEMİR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH AHMET ŞENEL
- Musical similarities detection using deep learning
Derin öğrenme kullanılarak müziksel benzerliklerin tespiti
İLHAN SOFUOĞLU
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYaşar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SÜLEYMAN ÜNLÜTÜRK
- Skın cancer detectıon and classıfıcatıon usıng deep learnıng
Derin öğrenme kullanilarak cilt kanserinin tespiti ve siniflandirilmasi
ALZAHRAA YAHYA HAIDER HAIDER
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP CANSEVER