Geri Dön

Yapay sinir ağı tabanlı görüntü sınıflandırma tekniği ile X-ray tarama görüntülerinden usb bellek içerenlerin sınıflandırılması

Classification of X-ray scan images containing usb memory byartificial neural network-based image classification technique

PDF İndir

  1. Tez No: 835651
  2. Yazar: ALİ HACIHAMZAOĞLU
  3. Danışmanlar: PROF. DR. İSMAİL HAKKI ÇAVDAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: X-ray, Tarama Sistemleri, Yapay Zekâ, Yapay Sinir Ağları, USB bellek, ESA, X-ray, Scanning Systems, Artificial Intelligence, Artificial Neural Networks, USB Memory, CNN
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mühendislik Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 152

Özet

X-ray tarama teknolojisinin gelişmesi ve yaygınlaşması sonucunda, üretilen görüntülerin sayısı da aynı oranda artmaktadır. X-ray tarama sistemleri tıptan endüstriye birçok alanda kullanıldığı gibi güvenlik alanında sıklıkla tercih edilmektedir. Gelişen teknoloji ile yüksek çözünürlüklü görüntü üretme kapasitesine sahip yeni nesil X-ray cihazları güvenlik alanında, potansiyel tehditlerin tespiti konusunda hayati önem taşımaktadır. Ancak kullanım esnasında hızlı tarama yapabilen bu cihazların ürettiği görüntülerinde kullanıcılar tarafından hızlı bir şekilde analiz edilmesi gerekmektedir. Özellikle veri güvenliğini tehdit eden USB Bellek gibi küçük cihazların hızlı bir şekilde Xray görüntülerinden tespiti bir sorun oluşturmaktadır. Bu çalışma, derin öğrenme tabanlı sınıflandırma yöntemleri ile tarama görüntülerinde USB bellek olup olmadığını tespit etmeyi amaçlamaktadır. Bu kapsamda, X-Ray tarama sistemleriyle 1217 adet USB Bellek içeren ve içermeyen veri oluşturulmuştur. Oluşturulan veri seti Evrişimsel Sinir Ağları (ESA) tabanlı derin öğrenme mimarisine sahip 8 farklı model ile eğitilmiştir. Yapılan eğitim sonucunda (%93) başarı oranı ile en yüksek genel doğruluk değerine ResNet50V2 modeli ile ulaşılırken, ResNet50 modeli ile en düşük (%67) genel doğruluk değeri elde edilmiştir.

Özet (Çeviri)

As a result of the development and widespread use of X-ray scanning technology, the number of images produced is increasing at the same rate. X-ray scanning systems are used in many fields from medicine to industry and are frequently preferred in the field of security. New generation X-ray devices, which have the capacity to produce high resolution images with the developing technology, are of vital importance in the detection of potential threats in the field of security. However, the images produced by these devices, which can scan quickly during use, need to be quickly analyzed by the users. The rapid detection of small devices such as USB memory sticks, which threaten data security, from X-ray images poses a problem. This study aims to detect whether there is USB memory in scan images with deep learning-based classification methods. In this context, data with or without 1217 USB sticks were created with X-Ray scanning systems. The created data set is trained with 8 different models with Convolutional Neural Networks (CNN) based deep learning architecture. As a result of the training, the ResNet50V2 model achieved the highest overall accuracy with a success rate (93%), while the lowest (67%) overall accuracy value was obtained with the ResNet50 model.

Benzer Tezler

  1. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  2. Tez No

    539151

    Yapay zekâ ve görüntü işleme teknikleri kullanarak diş röntgen görüntülerinden kronolojik yaş tayini

    Chronicological age determination from dental x-ray images by using artificial intelligence and image processing techniques

    EMRE AVUÇLU

    Doktora

    Türkçe

    Türkçe

    2019

    Adli TıpSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. FATİH BAŞÇİFTÇİ

  3. Tez No

    898612

    An improved transfer learning based siamese network for face recognation

    Yüz tanıma için geliştirilmiş aktarım öğrenme tabanlı sıamese ağı

    DALHM GHALIB HALBOOS AL-SHAMMARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    البروفيسور. دكتور. DEVRİM AKGÜN

  4. Tez No

    759996

    Derin öğrenme ile cerrahi video anlama

    Surgical video understanding with deep learning

    ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU SARIKAYA

  5. Tez No

    495198

    Görüntü işleme tekniği ile korunan alanlarda kaynak değeri oluşturan yaban hayvanlarının envanterine yönelik tür ve sayı tespiti yapılması

    Image processing techniques in the protected areas that make up the value of the resource identified by making the type and number for the inventory of wild animals

    KADİR KAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik MühendisliğiAfyon Kocatepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İSMAİL YABANOVA

Geri Dön