Gerçek ortam görüntülerinin yapay zeka ile sınıflandırılmasında sanal gerçeklik görüntülerinin etkisi
The effect of virtual reality images on artificial intelligence classification of real environment images
- Tez No: 856332
- Danışmanlar: DOÇ. DR. ÖMER FARUK ALÇİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Malatya Turgut Özal Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Enformatik Bilim Dalı
- Sayfa Sayısı: 93
Özet
Sanal gerçeklik (SG) yeni ve güncel bir çalışma alanı olduğundan araştırmacılar tarafından yoğun şekilde çalışılmaktadır. Sağlık, eğitim, mühendislik, kültür ve turizm, mimari, askeri alanlar ve daha birçok çalışma alanı SG teknolojisi ile çalışmalarını destekleyici adımlar atmış ve ilgili konu birçok araştırmacının odağı haline gelmiştir. Bu tez çalışmasında gerçek ortam görüntülerinin sınıflandırma başarımını artırmak için SG teknolojisinden yararlanılmıştır. Önerilen yaklaşım transfer öğrenme ile gerçek ortam görüntülerinin sınıflandırılması işleminden oluşmaktadır. Tez çalışmasında bahsedilen transfer öğrenme eğitilmemiş bir derin mimarinin SG görüntüleri ile eğitilmesi ardından ağın gerçek görüntülerle yeniden eğitimi (fine-tuning) olarak tanımlanabilir. Bu amaç için UNITY ortamında SG sahneler tasarlanmıştır. Tasarlanan SG sahnelerinden V-Env15 olarak isimlendirilen ve 15 ortamdan oluşan veri seti hazırlanmıştır. Ortam sınıflama çalışmalarında sıklıkla kullanılan Scene-15 veri seti ile önerilen yaklaşım test edilmiştir. Tez çalışmasında tasarlanan seri ve Paralel ağ ile GoogLeNet ve Inception-ResNet-V2 derin öğrenme mimarileri kullanılmıştır. Deneysel çalışmalarda tasarladığımız seri mimaride %0.56 ve paralel mimaride ise %4.68 daha yüksek doğruluk performans artışı elde edilmiştir. GoogLeNet ile Seri ağ arasında %4.79 artış, Paralel ağ arasında %0.44 azalma elde edilmiştir. Inception-ResNet-V2 ile Seri ağ arasında %4.47 artış, Paralel ağ arasında %4.57 azalma elde edilmiştir
Özet (Çeviri)
Since virtual reality (VR) is a new and current field of study, it is intensively studied by researchers. Health, education, engineering, culture and tourism, architecture, military fields and many other fields of study have taken steps to support their studies with VR technology and the related subject has become the focus of many researchers. In this thesis, VR technology was used to improve the classification performance of real media images. The proposed approach consists of the classification of real environment images with transfer learning. The transfer learning mentioned in the thesis study can be defined as training an untrained deep architecture with VR images and then retraining the network with real images (fine-tuning). For this purpose, VR scenes are designed in the UNITY environment. A data set consisting of 15 environments, called V-Env15, was prepared from the designed VR scenes. The proposed approach was tested with the Scene-15 data set, which is frequently used in environment classification studies. In the thesis, serial and parallel network and GoogLeNet and Inception-ResNet-V2 deep learning architectures were used. In the experimental studies, 0.56% higher accuracy performance increase was achieved in the serial architecture and 4.68% higher accuracy performance increase in parallel architecture. A 4.79% increase was achieved between GoogLeNet and the Serial network, and a 0.44% decrease was achieved between the Parallel network. A 4.47% increase was achieved between Inception-ResNet-V2 and the Serial network, and a 4.57% decrease was achieved between the Parallel network.
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
- 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
- Evrişimli sinir ağları ile yüksek çözünürlüklü uydu görüntülerinden uçak tespiti
Aircraft detection from high resolution satellite images with convolutional neural networks
EMİNE DİLŞAD ÜNSAL
Yüksek Lisans
Türkçe
2021
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- İnsansız hava araçları için derin öğrenme tabanlı otonom iniş sisteminin geliştirilmesi
Development of deep learning-based autonomous landing system for unmanned aerial vehicles
HASAN HAMED
Yüksek Lisans
Türkçe
2024
Mekatronik MühendisliğiFırat ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMÜR AYDOĞMUŞ
- Akut İnme Kliniği ile acile başvuran ve beyin BT anjiyografi tetkiki ile değerlendirilen hastalarda büyük damar oklüzyonlarının yapay zeka algoritmaları aracılığıyla tanınması
Detection of large vessel occlusions using artificial intelligence algorithms in patients presenting to the Emergency Department with Acute Stroke symptoms and evaluated by brain CT angiography
AYŞE İBİŞ
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer Tıpİstanbul ÜniversitesiRadyoloji Ana Bilim Dalı
DOÇ. DR. MEHMET BARBUROĞLU