Makine öğrenmesi yöntemleri kullanılarak çizgi karakter tespiti
Detection of comic character using machine learning methods
- Tez No: 856365
- Danışmanlar: DR. ÖĞR. ÜYESİ ERDAL GÜVENOĞLU, DOÇ. DR. VOLKAN TUNALI
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Maltepe Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 129
Özet
Çizgi karakterler, süper kahramanlar ve karikatür karakterleri hem çizgi filmlerde hem de çizgi romanlarda kullanılmaktadır. Bu karakterler yaratıcılarının hayal dünyalarına ya da hikayenin gidişatına göre farklı şekillerde çizilebilmektedirler. Bu nedenle makine öğrenmesinde çizgi karakter tespiti, insan tespitinden farklıdır ve otomatik olarak algılanması ve tespit edilmesi zordur. Çizgi karakterlerin otomatik olarak algılanması ve tanınması son yıllarda önemli derecede ilgi görmektedir. Bu çalışmada makine öğrenmesi tekniklerinin kullanılmasıyla çizgi karakterlerin yüksek doğrulukla tespit edilmesi ve yeni bir çizgi karakter veri setinin literatüre kazandırılması amaçlanmıştır. Araştırmada makine öğrenmesi teknikleriyle Evrişimli Sinir Ağları tabanlı görüntü sınıflandırması ve nesne tespiti yapılmıştır. Görüntü sınıflandırma yöntemi için çoklu etiketleme kullanılarak uçtan uca yeni bir mimari tasarlanmıştır. Nesne tespiti yöntemi için de YOLOv8 kullanılarak karakter tespiti yapılmıştır. Oluşturulan KralSakir çizgi karakter veri setinin en önemli özelliği ulusal olarak ilk defa ülkemizde hazırlanmasıdır. KralSakir veri seti üzerinde çalışılan modeller, performans ölçüm yöntemleri, analiz edilen metriklerin sonuçları ayrıntılı bir şekilde açıklanmıştır. Modellerin çıktıları değerlendirilerek görselleştirilmiş ve iki model arasındaki farklara değinilmiştir. Deneysel sonuçlarda, KralSakir veri setinde her iki yöntemin çizgi karakter tanımada başarılı olduğu görülmüştür.
Özet (Çeviri)
Cartoon characters, superheroes and caricature characters are used in both cartoons and comics. These characters can be drawn in different ways according to the imagination of their creators or the course of the story. For this reason, cartoon character detection in machine learning is different from human detection and is difficult to automatically detect and recognize. The automatic detection and recognition of cartoon characters has received considerable attention in recent years. In this study, it is aimed to detect cartoon characters with high accuracy using machine learning techniques and to introduce a new cartoon character dataset to the literature. In the research, Convolutional Neural Networks based image classification and object detection were performed with machine learning techniques. For the image classification method, a new end-to-end architecture was designed using multiple labeling. For the object detection method, character detection was performed using YOLOv8. The most important feature of the KralSakir cartoon character dataset is that it is prepared nationally for the first time in our country. The models studied on the KralSakir dataset, performance measurement methods, and the results of the analyzed metrics are explained in detail. The outputs of the models are evaluated and visualized and the differences between the two models are mentioned. Experimental results show that both methods are successful in cartoon character recognition on the KralSakir dataset.
Benzer Tezler
- Süne ve kımıl zararlılarının ses işleme yöntemleri ile sınıflandırılması ve bir gömülü sistem gerçeklemesi
Classification of sunn pests using sound processing methods and an embedded system realization
BİLGİ GÖRKEM YAZGAÇ
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜRVET KIRCI
- Derin öğrenme yöntemleri ile Türkçede bağlılık ayrıştırma
Dependency parsing with deep learning methods in Turkish
MÜCAHİT ALTINTAŞ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Breast cancer data classification using SVM, NB and KNN algorithms
SVM, NB ve KNN kullanımı ile göğüs kanseri veri sınıflandırması
BURCU MERAL
Yüksek Lisans
İngilizce
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. KAMİL ORUÇOĞLU
- A new nonlinear lifting line method for configuration aerodynamics and deep learning based aerodynamic surrogate models
Konfigürasyon aerodinamiği analizi ve derin öğrenme bazlı aerodinamik dijital model oluşturmak için yeni bir doğrusal olmayan taşıyıcı çizgi metodu
HASAN KARALİ
Yüksek Lisans
İngilizce
2020
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT ADİL YÜKSELEN
PROF. DR. GÖKHAN İNALHAN
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ