ASD automatic detection by using yolo V3 and V4 method
Yolo V3 ve V4 yöntemi kullanarak ASD otomatik tespit
- Tez No: 799874
- Danışmanlar: Assist. Prof. Dr. MESUT ÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 50
Özet
ASD, sinirleri, özellikle beyni etkileyen bir hastalıktır. En önemlilerinden biri özellikler veya özellikler sosyal eksiklikler ve iletişim güçlüğüdür. Çoğu durumda, teşhis, uzun zaman alan davranış analizine ve ayrıca etkilenen kişinin işbirliği. Otizmi çok erken teşhis etmek gerekiyor ki bu da gelecekte kolay tedavi ve semptomların giderilmesi için. Derin öğrenme ve makine öğrenimi özellikle otizm ile ilgili hastalıkların tespitinde önemli bir rol haline gelmiştir. spektrum bozukluğu veya hiperaktivite, yüz görüntüleri veya video aracılığıyla bilgisayar uygular Derin öğrenme algoritmalarının en önemli özelliği nesnedir. algılama ve özellik çıkarma (CNN) Evrişimli kullanım ve eğitim üzerinde çalıştığı yer sinir ağları ve ayrıca görüntüleri işler. Bilim hızla gelişti, özellikle derin öğrenme ve makine öğreniminin yanı sıra kullanılan algoritmalarla ilgili olarak resimlerde veya videolarda bulunan şeyleri, özellikle bunlarla ilişkili olanları algılar. şeyleri sınıflandırdığı ve sıraladığı evrişimli sinir ağları ile toplamak canlı organizmalar ve trafik ışıkları gibi birçok şeye bölünür ve bu, fotoğrafları kullanarak otizmin tespiti. Yolo Sadece bir kez bakarsın, Bu model veya algoritma kendi veri setimiz üzerinde öğretilebilir veya yönlendirilebilir bir veri seti ve biz nesneleri görüntüler veya video klipler. Burada, görüntüleri aracılığıyla ASD'yi tespit edebilen bir model oluşturduk. Kullanılan 2936 görüntüden oluşan veri setinden elde ettiğimiz yüz, her bir görüntü diğer görüntüden boyut ve aydınlatma şiddeti açısından farklılık göstermekte, görüntüleri ve otizmi tespit etme sürecinin doğruluğunu ayırt eder. Sonrasında elimizdeki veriler üzerinde birçok kez eğitim, Elde ettiğimiz MAP=88,7% ortalama sonuçlarımız kayıp oranı %0,91 oldu
Özet (Çeviri)
ASD is a disorder that affects the nerves, specifically the brain. One of its most important features or features is social deficits and difficulty communicating. In most cases, the diagnosis depends on behavioral analysis, which takes a long time, and also on the cooperation of the affected person. It is necessary to detect autism very early, which leads to easy treatment and relief of symptoms in the future. Deep learning and machine learning have become an important role in detecting diseases, especially with regard to autism spectrum disorder or hyperactivity., whether through facial images or video, where the computer applies The most important characteristic of deep learning algorithms is object detection and feature extraction (CNN) Where it works on using and training convolutional neural networks, and also processes images. Science has developed rapidly, especially with regard to deep learning and machine learning, as well as the algorithms that are used to detect things that are in pictures or videos, especially those that are associated with collecting them with convolutional neural networks, where things are classified and sorted into several things such as living organisms and traffic lights, and this is what happens in the detection of autism using photos. Yolo You only look once, This model or algorithm can be taught or coached on our own data set a data set and we detect objects through images or video clips. Here we built a model capable of detecting ASD Through images of the face, we obtained from the data set used, which consists of 2936 images, each image differs from the other image in terms of dimensions and intensity of lighting, in order to distinguish between the images and the accuracy of the process of detecting autism. After training many times on the data we have, Our obtained results of MAP=88.7% The average loss rate was 0.91%
Benzer Tezler
- Kaynak dikişlerinin En 25817 ve Ts 7830'a göre bilgisayar programı ile değerlendirilmesi
Başlık çevirisi yok
AHMET SARAÇ
Yüksek Lisans
Türkçe
1997
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. SELAHATTİN ANIK
- Menzil profili modunda çalışan radarla otomatik hedef sınıflama
automatic target classification with radars operating in range profilling
CENK GÖKBERK
Yüksek Lisans
Türkçe
1997
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ERCAN TOPUZ
- Emotion recognition process analysis by using eye tracker, sensor and application log data
Göz izleme cihazı, sensör ve uygulama verileri ile insanlarda duygu tanıma analizi
MAHİYE ÖZTÜRK
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Yapay sinir ağları ile yüz sezimi ve takibi
Face detection using artificial neural networks
SERKAN ESER
Yüksek Lisans
Türkçe
2006
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF.DR. TÜLAY YILDIRIM
- Derin öğrenme mimarileri ile MR taramalarından omuriliğin otomatik bölütlenmesi ve MS lezyonlarının ayırıcı tanısı
Automatic segmentation of the spinal cord from MR scans and differential diagnosis of MS lesions with deep learning architectures
RUKİYE POLATTİMUR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE DANDIL