Derin öğrenme yöntemleri kullanarak kelebek türlerinin birbirlerinden ayırt edilmesi
Differentiating butterfly species from each other using deep learning methods
- Tez No: 854251
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA TEKE
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Bir kelebeğin hangi türe ait olduğunun bilinmesi büyük önem arz etmektedir. Kelebekler çiçeklerde tozlaşmayı sağlayarak bitki türlerinin nesillerini devam ettirmelerinde rol oynarlar. Ayrıca doğal yaşam araştırmalarına da sıklıkla konu olmaktadırlar. Bir kelebeğin hangi türe ait olduğunun bilinmesi insanları, hayvanları ve bitkileri bu kelebek türünün nasıl etkileyeceği hakkında ipuçları verir. Fakat kelebeklerin hangi türe ait olduğunun tespit edilmesi pek kolay olmamaktadır. Çoğu zaman tespit edilebilmeleri uzmanlık gerektirmektedir. Bu yüzden, kelebek türlerinin ayırt edilebilmesi için derin öğrenme alanında çalışmalar yapılmıştır. Daha iyi sonuçlar alınabilmesi amacıyla farklı yöntemler önerilmiş ve iyileştirmeler yapılmıştır. Bu tezde ise önceden eğitilmiş derin öğrenme modelleri kullanılmıştır. Modeller düzenlenen veri seti üzerinde eğitilmiş ve çıkan sonuçlar doğrultusunda en başarılı model esas alınarak yeni bir model önerisi yapılmıştır.
Özet (Çeviri)
It is of great importance to know which species a butterfly belongs to. Butterflies play a role in the continuation of plant species by pollinating flowers. They are also frequently the subject of natural life research. Knowing which species a butterfly belongs to gives clues about how this butterfly species will affect people, animals and plants. However, it is not easy to determine which species the butterflies belong to. Most of the time, their detection requires expertise. Therefore, studies have been carried out in the field of deep learning to distinguish butterfly species. Different methods have been suggested and improvements have been made in order to obtain better results. In this thesis, pre-trained deep learning models were used. Models were trained on the edited dataset and, in line with the results, a new model proposal was made based on the most successful model.
Benzer Tezler
- Derin öğrenme yöntemleri kullanarak etkin ayrık işaret dili tanıma sistemi geliştirme
Development of an efficient isolated sign language recognition system based on deep learning methods
ANIL OSMAN TUR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HACER YALIM KELEŞ
- Derin öğrenme yöntemleri kullanarak 3B geometri işleme ve uygulamaları
3D geometry processing and applications by using deep learning methods
KAYA TURGUT
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HELİN DUTAĞACI
- Derin öğrenme yöntemleri kullanarak dijital deliller üzerinde adli bilişim incelemesi
Başlık çevirisi yok
SERKAN KARAKUŞ
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiAdli Bilişim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA KAYA
- Derin öğrenme yöntemleri kullanarak bilgisayarlı tomografi görüntülerinden covid-19'un tespit edilmesi
Detecting covid-19 from computed tomography images using deep learning methods
SEMİHA GÜNGÖR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KAYA
- Derin öğrenme yöntemleri kullanarak EEG işaretlerinden uyku apne sendromu tespiti ve sınıflandırılması
Detection and classification of sleep apnea syndrome from EEG signals using deep learning methods
KÜBRA TANCI
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT HEKİM