3 boyutlu veriler üzerinde derin öğrenme yaklaşımları
Deep learning approaches on 3D data
- Tez No: 768735
- Danışmanlar: DR. ÖĞR. ÜYESİ İSMAİL İŞERİ
- 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: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Yazılımı Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 118
Özet
Teknolojideki gelişmelerle birlikte düşük maliyetli üç boyutlu (3B) veri elde etme cihazları ve gelişmiş ağız içi tarayıcıların ortaya çıkmasıyla diş hekimliğinde 3B derin öğrenme uygulamalarını hızla artırmıştır. Literatüre bakıldığında Evrişimsel Sinir Ağları (CNN) kullanılarak bireysel diş tanımlama, diş segmentasyonu ve dişlerin sınıflandırılması yapılmıştır. Bu tez kapsamında ağız içi tarayıcıları tarafından elde edilen 3B dental modeller üzerinde voksel tabanlı 3 boyutlu CNN kullanılarak dişlerin bireysel sınıflandırılması yapılmış ve 7 ve 14 sınıflı olmak üzere iki temel çalışma gerçekleştirilmiştir. Farklı evrişim katmanlarının sınıflandırma performansına etkisini inceleyebilmek amacıyla üç farklı 3B CNN modeli geliştirilmiştir. Her bir modelde, aynı anda işlenen görüntü sayısı değeri 32, epok değerleri 100 olacak şekilde oluşturulmuştur. Ayrıca her bir model için Adam, AdaDelta ve SGD olmak üzere 3 farklı optimizasyon fonksiyonu kullanılarak modellerin kullanılan performans metriklerine göre karşılaştırılması yapılmıştır. 14 sınıflı çalışma için voksel boyutları kademeli olarak arttırıldığında tüm optimizasyon fonksiyonları ve sınıflandırma metrikleri için elde edilen sonuçlarda iyileşme olduğu görülmüştür. En iyi sonucun 60 x 60 x 60 boyutlarındaki doğruluk %45, Kesinlik %36, duyarlılık %43 ve F1-skor (F1- score) %36 olarak hesaplanmıştır. Benzer durum 7 sınıflı çalışma için yapıldığında en iyi sonucun 60 x 60 x 60 boyutlarındaki doğruluk %79, Kesinlik %79, duyarlılık %79 ve F1-skor (F1- score) %78 olarak bulunmuştur. Ayrıca iki çalışma içinde evrişim katmanları arttırılıp diğer hiper parametreler sabit tutulduğunda modelin sınıflandırma başarısına olumlu etki ettiği belirlenmiştir. Buna göre en iyi sonuçların üç evrişim katmanı, bir maksimum havuzlama katmanı ve tam bağlı katmana sahip 3B CNN-3 model olduğu ve tüm modeller için en iyi optimizasyon fonksiyonunun Adam fonksiyonu olduğu anlaşılmıştır.
Özet (Çeviri)
With the developments in technology, low cost 3D data acquisition devices and the emergence of advanced intraoral scanners have rapidly increased the applications of 3D deep learning in dentistry. When looking at the literature, individual tooth identification, tooth segmentation and classification of teeth were made using Convolutional Neural Networks (CNN). Within the scope of this thesis, individual classification of teeth was made using voxel-based 3D CNN on 3D dental models obtained by intraoral scanners and two basic studies, 7 and 14 classes, were carried out. Three different 3D CNN models have been developed to examine the effects of different convolution layers on classification performance. In each model, the number of simultaneously processed images is 32, and the epoch values are 100. In addition, for each model, 3 different optimization functions, namely Adam, AdaDelta and SGD, were used to compare the models according to the performance metrics used. When the voxel sizes were gradually increased for the 14-class study, it was observed that the results obtained for all optimization functions and classification metrics improved. The best result in 60 x 60 x 60 dimensions was 45% accuracy, 36% precision, 43% sensitivity and 36% F1-score (F1-score). When a similar situation was made for the 7-class study, the best result was found to be 79% accuracy , 79% precision , 79% sensitivity and 78% F1-score (F1- score) in 60 x 60 x 60 dimensions. In addition, in two studies, it was determined that the model had a positive effect on the classification success when the convolution layers were increased and the other hyper parameters were kept constant. Accordingly, it is understood that the best results are the 3D CNN-3 model with three convolution layers, a maximum pooling layer and fully connected layer, and the best optimization function for all models is the Adam function.
Benzer Tezler
- Sensor-based activity recognition and authentication using deep learning
Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma
NİLAY TÜFEK
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Investigation of artificial intelligence-based point cloud semantic segmentation
Yapay zeka tabanlı nokta bulutu semantik bölümlendirmesinin incelenmesi
MUHAMMED ENES ATİK
Doktora
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAİDE DURAN
- Semantic land cover and land use classification using deep convolutional neural networks
Derin evrişimsel sinir ağları ile arazi kullanımı ve arazi örtüsünün anlamsal sınıflandırılması
BERK GÜNEY
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Deep learning based road segmentation from multi-source and multi-scale data
Çok kaynaklı ve çok ölçekli veriyle derin öğrenme tabanlı yol bölütlenmesi
OZAN ÖZTÜRK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER