Derin öğrenme yöntemine dayalı kurbağa türlerinin sınıflandırılması ve lokalizasyonu
Classification and localization of frog species based on deep learning method
- Tez No: 830710
- Danışmanlar: DR. ÖĞR. ÜYESİ ZELİHA ÇOLAK TOKA
- Tez Türü: Yüksek Lisans
- Konular: Biyoloji, Biology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Giresun Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Bu tez, Türkiye'deki kurbağa türlerinin otomatik olarak tahmini ve bulundukları konumların tespiti için yapay zeka yöntemlerinin kullanımını ele almaktadır. Kurbağa türlerinin tanınması ve popülasyonlarının izlenmesi, doğal yaşamın korunması için önemlidir. Ancak, kurbağa türlerinin sınıflandırılması, insanların vahşi doğaya gitmesine ve analiz edilmek üzere fotoğraf veya görüntü çekmesine ilişkin risk ve maliyeti ortadan kaldıracak bir yapay zeka sistemi gerektirir. Bu tezde, vahşi doğadaki kurbağa fotoğraflarını kullanarak kurbağa türlerinin derin öğrenme yöntemlerine bağlı otomatik olarak tahmini ve bulundukları konumların tespiti amaçlanmaktadır. Kurbağa türlerinin tanınması için Resnet50, VGG16, VGG19, InceptionV3 ve Xception transfer öğrenme modelleri kullanılmıştır. Her bir kurbağa türü için yeterli sayıda fotoğraf bulunmadığı için, veri seti kısıtlıdır. Ancak, yapılan analizler sonucunda Xception modelinin en iyi performansı gösterdiği belirlenmiştir. Ayrıca, kurbağaların lokalizasyonunda sınıf aktivasyon haritalama (CAM) yöntemleri (Grad-CAM, Grad-CAM++ ve Score-CAM) de kullanılmıştır. Analiz sonuçlarına göre, Score-CAM tekniğinin en iyi görselleştirme tekniği olduğu belirlenmiştir. Bu tez çalışması, veri analizi ve kurbağa türlerinin tahmini yönüne odaklanmakta ve uzmanların sahadaki verileri analiz etmelerine yardımcı olmak için mümkün olduğunca hızlı analiz etmesine yardımcı olmaktadır. Bu aynı zamanda, vahşi doğada çekilen kurbağa fotoğraflarının anında analiz edilmesine ve türleri izlemek için video görüntülerinden yararlanarak fazladan personel maliyetini azaltılmasına olanak sağlamaktadır. Sonuç olarak, çalışma, Türkiye'deki kurbağa türlerinin tanınması ve popülasyonlarının izlenmesi için yapay zeka yöntemlerinin kullanımını ele almaktadır. Veri seti kısıtlı olsa da, yapılan analizler sonucunda Xception modelinin en iyi performansı gösterdiği belirlenmiştir.
Özet (Çeviri)
This thesis examines the use of artificial intelligence methods for the automated prediction of frog species and the determination of their locations in Turkey. The recognition of frog species and monitoring of their populations are important for the conservation of natural habitats. However, the classification of frog species requires an artificial intelligence system that eliminates the risks and costs associated with humans going into the wild and taking photographs or images for analysis. This thesis aims to automatically predict frog species and determine their locations based on wild frog photographs using deep learning methods. Transfer learning models including Resnet50, VGG16, VGG19, InceptionV3, and Xception were used for frog species recognition. The dataset is limited due to the insufficient number of photographs available for each frog species. However, the analysis results indicate that the Xception model performs the best. Additionally, Class Activation Mapping (CAM) methods such as Grad-CAM, Grad-CAM++, and Score-CAM were utilized for frog localization. The analysis results show that the Score-CAM technique provides the best visualization. This thesis focuses on data analysis and the prediction of frog species to assist experts in analyzing field data more quickly. It enables the instant analysis of frog photographs taken in the wild and reduces the need for additional personnel costs by utilizing video footage to track species. In conclusion, this study addresses the use of artificial intelligence methods for the recognition of frog species and monitoring of their populations in Turkey. Despite the limited dataset, the analysis results indicate that the Xception model performs the best.
Benzer Tezler
- Derin öğrenme yöntemine dayalı yapay zeka algoritmalarıyla konik ışınlı bilgisayarlı tomografi görüntülerinde dişlerin tespit edilmesi ve numaralandırılması
Detection and numbering of teeth in CONE-BEAM computed tomography images with artificial intelligence algorithms based on deep learning method
HANDE SAĞLAM
Diş Hekimliği Uzmanlık
Türkçe
2021
Diş HekimliğiEskişehir Osmangazi ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. İBRAHİM ŞEVKİ BAYRAKDAR
- Derin öğrenme yöntemine dayalı yapay zekâ ile periapikal radyograflarda lamina duranın tespiti
Detection of lamina dura in periapical radiographs usingdeep learning-based artificial intelligence
BÜŞRA ŞAHİN KAYA
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiSivas Cumhuriyet ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLKNUR ENİNANÇ
- Derin öğrenme yöntemine dayalı yapay zekâ algoritmalarıyla panoramik radyografilerde incelenen sabit protetik restorasyonlar altında oluşan çürüklerin tespiti
Detection of caries formed under fixed prosthetic restorations examined on panoramic radiographs with artificial intelligence algorithms based on DEEP learning method
BETÜL AYHAN
Diş Hekimliği Uzmanlık
Türkçe
2023
Diş HekimliğiKırıkkale ÜniversitesiProtetik Diş Tedavisi Ana Bilim Dalı
PROF. DR. SAADET SAĞLAM ATSÜ
- Heuristic vectorized learning method based PV forecasting by using image recognition-based sky camera integration within sensor set
Görüntü tanıma tabanlı gökyüzü kamerası entegrasyonunu kullanarak sezgisel vektörize öğrenme yöntemine dayalı PV tahmini
LEVENT YAVUZ
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖNEN
- Veri analiz yöntemlerine dayalı olarak orman yangınlarının incelenmesi
Investigation of forest fires based on data analysis methods
ZEYNEP AYTOLU KÜLAHCİ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ASLAN