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
- Tez No: 835651
- Danışmanlar: PROF. DR. İSMAİL HAKKI ÇAVDAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- 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
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mühendislik Bilimleri Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- 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
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Erken ve ortak füzyon stratejileri ile derin ve geleneksel görüntü özelliklerinin entegrasyonuna dayalı diz osteoartriti derecelendirmesi
Grading of knee osteoarthritis based on the integration of deep and traditional image features via early and joint fusion strategies
USAME YILMAZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATMA ZEHRA SOLAK
- 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
2019
Adli TıpSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH BAŞÇİFTÇİ
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
البروفيسور. دكتور. DEVRİM AKGÜN
- Developing a smart method for real -time brain tumor localization and segmentation on ct ımages using hybrid techniques and yolo
Hibrit teknikler ve yolo kullanilarak bt görüntülerinde gerçek zamanli beyin tümörü lokalizasyonu ve segmentasyonu için akilli bir yöntem geliştirilmesi
NUSAIBAH KHALID ABDULMAJEED AL-SALIHI
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ULUS ÇEVİK
PROF. DR. TURGAY İBRİKÇİ