Self- and weakly- supervised deep learning methods with applications in biometric and biomedical data
Kendinden- ve zayıf- denetimli derin öğrenme yöntemleri ile biyometri ve biyomedikal verilerdeki uygulamaları
- Tez No: 822215
- Danışmanlar: PROF. DR. AYŞE BERRİN YANIKOĞLU YEŞİLYURT
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mühendislik ve Doğa Bilimleri Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
- Sayfa Sayısı: 90
Özet
Bu tez, zayıf etiketlenmiş biyomedikal verileri ve düzensiz/etiketsiz biyometrik verileri etkili bir şekilde kullanmak için yeni derin öğrenme metodolojilerini tanıtır. Tez üç ana bölüme ayrılmıştır. İlk bölümde, hacim bazında etiketlenmiş CT akciğer görüntüleri kullanılarak zayıf denetimle eğitilmiş 2D ve 3D tekniklerini kullanan iki sınıflandırıcı sunulmaktadır. Tezin ana katkısı, varyasyonel yaklaşımla karşılaştırmalı öğrenme çerçevesini genişleten yeni bir temsil öğrenme yöntemidir. Tezin ikinci bölümünde, web'ten toplanan yüz görüntülerinden yüz özelliklerini öğrenmek için uygulanan varyasyonel karşılaştırmalı tasarımı kullanan bir yarı denetimli yaklaşım sunuyoruz. Bu teknik, VCL-PL olarak adlandırılır ve toplanan görüntülerde bulunan doğal gürültüyü karşılamak için özellikle tasarlanmıştır. Çeşitli deneysel kurulumlar aracılığıyla, yöntem denetimli veya güncel öz denetimli yöntemler üzerinde bir doğruluk artışı gösterir. Tezin son bölümünde, varyasyonel karşılaştırmalı öğrenme ile beta-diverjans formülizasyonunu birleştiren dayanıklı bir öz denetimli öğrenme modeli, VCL, geliştirilir. Bu model, etiketsiz, düzensiz/etiketsiz ve gürültülü veri kümeleriyle kullanıldığında güncel modellerden daha iyi performans sergiler. Bu metodolojik ilerlemelerin geliştirilmesi ve yeni veri kümelerinin tanıtılmasıyla, bu tez, tıbbi alanda zayıf etiketlenmiş verilerden öğrenmeye katkıda bulunur ve biyometrik alanda gürültülü verileri ve düşük veri rejimlerini daha iyi ele alan varyasyonel karşılaştırmalı öğrenme yaklaşımını tanıtır.
Özet (Çeviri)
This dissertation introduces novel deep learning methodologies for effectively leveraging weakly-labeled biomedical data and uncurated/unlabeled biometric data. The thesis is divided into three major parts. In the first part, we present a classifier that combines 2D and 3D classifiers that are trained with weak supervision using volume-wise labeled CT lung images. The main contribution of the thesis is a new representation learning method, extending the contrastive learning framework with the variational approach. In the second part of the thesis, we present a semi-supervised approach using the variational contrastive design, applied to learning face attributes from web-collected face images. This technique, called VCL-PL, is specifically designed to counter the inherent noise found in the collected images. Through various experimental setups, the method demonstrates an enhancement in accuracy over supervised or state-of-the-art self-supervised methods. The last part of the dissertation develops a robust self-supervised learning model, VCL, that combines variational contrastive learning with beta-divergence. This model exhibits better performance than state-of-the-art models when used with unlabeled, uncurated, and noisy datasets. Through the development of these methodological advancements and the introduction of novel datasets, this dissertation contributes to learning from weakly-labeled data in the medical domain and introduces the variational contrastive learning approach that better handles noisy data and low data regimes, in the biometric domain.
Benzer Tezler
- Source separation via weakly-supervised and unsupervised deep learning
Zayıf denetimli ve denetimsiz derin öğrenme ile kaynak ayrıştırma
ERTUĞ KARAMATLI
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET CELAL CEM SAY
DR. ÖĞR. ÜYESİ SERAP KIRBIZ ŞİMŞEK
- Yari denetimli öğrenme ve füzyon teknikleri ile zayif etiketli veri kümelerinde ses olayi sezimi
Sound event detection on weakly labeled datasets with semi-supervised learning and fusion techniques
YEŞİM AKAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA SERT
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- 2D/3D human pose estimation using deep convolutional neural nets
Derin evrişimsel sinir ağları ile 2B/3B insan vücudu pozisyon kestirimi
MUHAMMED KOCABAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE AKBAŞ
- Madde bağımlılığı tedavisi görmüş bireylerde bilişsel davranışçı grup psikoterapisinin relaps eğilimi üzerindeki etkisinin sınanması
Testing the effect of cognitive behavioral group psychotherapy on the relapse tendency in individuals who have received substance abuse treatment
EZEL AVCI
Doktora
İngilizce
2017
Psikolojiİstanbul Arel ÜniversitesiKlinik Psikoloji Ana Bilim Dalı
DOÇ. DR. ÖMER FARUK ŞİMŞEK