Sağlık uygulamaları için görüntü / video işleme ile sahne sınıflandırması
Scene classification with image / video processing for healthcare applications
- Tez No: 733810
- Danışmanlar: DOÇ. DR. MUHAMMED ALİ AYDIN, DR. ÖĞR. ÜYESİ MEHMET ALİ ERTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 70
Özet
Bu yüzyılda, videodan insan aktivitesi tespiti (Human Activity Recognition - HAR) metotları, çok geniş bir alanda kullanılıyor. Çoğu gözetleme sistemi, HAR desteği ile otomatikleşmiş durumda. Kameralardan soygun, kavga, kaza gibi anomali içeren eylemler belirli ölçüde otomatik olarak tespit edilebilmektedir. Ayrıca birçok istatistik verileri de, videolar analiz edilerek çıkarılabilmektedir. Örneğin; bir spor müsabakasında, sporcuya ait istatistikler, kaç pas, kaç şut atılmış vb. HAR kullanım alanı oldukça geniş olup, gün geçtikçe önemi de artmaktadır. Bu konuda en yeni yöntemler, evrişimli sinir ağları (Convolutional neural networks - CNN) üzerine inşa edilmiştir. CNN metodu, resim karesi üzerine uygulanan bir yöntem. Fakat, HAR alanındaki uygulamalarda, CNN, sıralı video kareleri üzerinde işlem gerçekleştirmektedir. CNN kullanan en yeni HAR metotları şunlardır; Yinelemeli Sinir Ağları (Recurrent Neural Networks - RNN), gene bir RNN türü olan Uzun Kısa Süreli Bellekli Ağlar (Long Short Term Memory - LSTM) ve 3 boyut evrişimli sinir ağları (3D CNN). Bu tez çalışmasında, sağlık alanında video görüntüleri üzerinden aktivite tespiti yapılarak, ilgili eylemin tanımlanması hedeflenmiştir. Yürütülen çalışmalarda nesne algılama (object detection - OD) vasıtası ile geliştirdiğimiz yöntemler ile HAR' a ait doğruluk performansı (accuracy performance) arttırılmaya çalışılmıştır. OD, nesnelerin ismini ve yerini resim karesi üzerinde bulan bir yöntemdir. En modern OD algoritmaları; R-CNN, Fast R-CNN, Faster RCNN, YOLO ve SSD modelleridir. Bu tez çalışmasında, OD' den yararlanan iki yeni HAR algoritması geliştirilmiştir. Bu metotların performansının diğer metotlara üstünlüğü uygulamalarla ispatlanarak ve daha sonra bu yeni metotlardan biri seçilerek, sağlık alanında hastalara yardımcı olmak amacıyla, ilaç alımı aktivitesi tespiti uygulamalarında test edilmiştir. Önermiş olduğumuz metotlar, tek bir bireyin aktivite tespitine odaklandığından, bu modeller genel olarak“Bireysel insan aktivitesi tespiti”(Personalized Human Activity Recognition - PHAR), olarak adlandırılmıştır.
Özet (Çeviri)
In this century, Human Activity Recognition (HAR) from Video methods are used in very wide range of area. Most of Surveillance systems are automated by the help of HAR. Surveillance systems can automatically detect anomalies like robbery, fighting, accidents vs… And again lots of statistics are computed according to the videos by the help of HAR. For example; football player statistics like shoot and pass stats can be computed according to video streams. There are lots of state of arts methods for HAR. Modern and the newest methods are about Convolutional neural networks (CNN) . CNN is used on an image frame. But in vidoes for HAR, it is used for each frame ordered in time. Most used HAR methods which uses CNN are; Recurrent Neural Networks (RNN), Long Short Term Memory (LSTM) which is a type of RNN and 3D Convolution. In this thesis study, the accuracy performance of HAR is increased by getting help of object detection (OD). Object detection is determining the object location with its name in an image frame. State of Art OD models are; R-CNN, Fast R-CNN, Faster R-CNN, YOLO and SSD. In this thesis study, two different models are offered to get accuracy performance boost via OD. Accuracy performance superiority of these two offered models over state of the arts methods will be proven. After that, one of these methods will be used medicine intake activity recognition for the scope of Health Care Monitoring Systems. To understand these two methods, first state of arts HAR and OD methods are explained in this thesis. Then the two offered models are explained. Because we focus on one person activity, we named these models“Personalized Human Activity Recognition”(PHAR).
Benzer Tezler
- Transfer learning based facial emotion recognition and action unit detection
Transfer öğrenme tabanlı yüz ifadesinden duygu tanıma ve eylem birimi tespiti
SÜLEYMAN ENGİN BAĞLAYİCİ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Investigation of non-contact smartphone-based monitoring of structures
Yapıların akıllı telefon tabanlı temassız sağlık izleme metodları ile incelenmesi
MEHMET SEFA ORAK
Doktora
İngilizce
2021
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. TURGUT ÖZTÜRK
- Radiküler kist ve granülomların dijital histogram analizi ile ayırdedilmesi
Differention of radicular cyst and granulomas with digital histogram analysis
ÜLKEM AYDIN
Doktora
Türkçe
1998
Diş HekimliğiGazi ÜniversitesiDiş Hastalıkları ve Tedavisi Ana Bilim Dalı
PROF. DR. TAYFUN ALAÇAM
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Classification of music emotions with pre-trained models
Önceden eğitilmiş modellerle müzik duygularının sınıflandırılması
ZAINAB YASEEN TAHA TAQA
Yüksek Lisans
İngilizce
2023
Bilim ve TeknolojiÇankaya ÜniversitesiEnformatik Ana Bilim Dalı
Assist. Prof. Dr. ABDÜL KADİR GÖRÜR