Derin öğrenme temelli Türk işaret dili harflerinin tanınması
Deep learning based Turkish signal recognition
- Tez No: 678648
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA KAYA
- 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: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Adli Bilişim Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
İşitme engelli olan insanların duyabilen insanlar kadar rahat bir yaşam sürebilmeleri insanlarla kurabildikleri iletişim ile mümkün olabilmektedir. Bu iletişimi çoğunlukla işaret dilini kullanarak gerçekleştirirler. İşitme engelli insanların kullandıkları işaret dili ne yazık ki duyabilen insanlar tarafında yeterince bilinmemektedir. Bu sebeple işitme engelli insanların günlük hayatlarını kolaylaştırmak adına işaret dili üzerine birçok akademik çalışma yapılmaktadır. Özellikle yapay zekâ alanındaki gelişmelerden sonra makine öğrenmesi ve derin öğrenme alanında İşaret Dili çevrimi ile alakalı olarak çalışmalar hız kazanmıştır. Bu çalışmada günümüz problemlerinin bilgisayarlar kullanılarak çözümü için büyük faydalar sağlayan derin öğrenme modellerinden biri olan YOLOv5 kullanılarak Türk İşaret Dili Harflerinin hızlı bir şekilde tanınması amaçlanmıştır. Bu amaç doğrultusunda özgün ve kapsamlı bir veri seti oluşturulmuş ve YOLOv5 modeli ile % 92,3 oranında başarılı sonuçlar elde edilmiştir. Alınan bu başarılı sonuçlar neticesinde ilerleyen çalışmalarda Türk İşaret Dili Harflerinin yanı sıra Türk İşaret Dilinde bulunan rakamların, kelime ve sözcüklerin sınıflandırılabileceğinin mümkün olabileceği düşünülmektedir.
Özet (Çeviri)
It is possible for people with hearing impairments to live as comfortably as people who can hear with the communication they can establish. They mostly communicate using sign language. The sign language used by hearing-impaired people is unfortunately not known enough by people who can hear it. For this reason, many academic studies are carried out on sign language in order to facilitate the daily lives of hearing- impaired people. Especially after the developments in the field of artificial intelligence, studies on machine learning and the Sign Language cycle in the field of deep learning have accelerated. In this study, it is aimed to recognize Turkish Sign Language Letters by using YoloV5, which is one of the deep learning models that provides great benefits for solving today's problems by using computers. For this purpose, an original and comprehensive data set was created and it was observed that 92,3 % successful results were obtained with the YoloV5 model. As a result of this successful study, it is thought that it will be also possible to classify the numbers, words found in Turkish Sign Language as well as Turkish Sign Language Letters.
Benzer Tezler
- Advancing sign language recognition through novel comprehensive dataset creation and robust methodologies
Yeni ve kapsamlı veri seti oluşturma ve gürbüz metodolojiler geliştirerek işaret dili tanımada ilerleme
AREZOO SADEGHZADEH KOGAJEHSOLTAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MD BAHARUL ISLAM
DR. ÖĞR. ÜYESİ TARKAN AYDIN
- Orbit determination with angular measurements by using artificial neural network
Yapay sinir ağları kullanarak açısal ölçümlerle yörünge belirleme
KÜRŞAT YENİDOĞAN
Yüksek Lisans
İngilizce
2024
Havacılık ve Uzay MühendisliğiTürk Hava Kurumu ÜniversitesiFen Bilimleri Ana Bilim Dalı
PROF. DR. TAHSİN ÇAĞRI ŞİŞMAN
- Beyin MR görüntülerinde riskli gliom tümörlerinin yapay zeka ile tespiti
Detection of risky glioma tumors in brain MR images using artificial intelligence
ÇAĞIN ÖZKAYA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. ŞEREF SAĞIROĞLU
- Türk sinemasında aktör-film işbirliği ağının analizi ve makine öğrenmesi ile hasılat tahmini
Analyzing the Turkish actor-film collaboration network with complex network analysis methods
ELANUR GÜL
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAİT DEMİR
- El bileği x-ray grafilerinde derin nöralağlar ile pediatrik kemik yaşı tayini: Türk popülasyon örneklem çalışması
Pediatric bone age assessment using deep neural networks from wrist x-rays: Turkish population sample study
SAMET ÖZTÜRK
Tıpta Uzmanlık
Türkçe
2024
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. MUSA ATAY