Geri Dön

Makine öğrenmesi yöntemleri kullanılarak çizgi karakter tespiti

Detection of comic character using machine learning methods

  1. Tez No: 856365
  2. Yazar: CANDAN TÜMER
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ERDAL GÜVENOĞLU, DOÇ. DR. VOLKAN TUNALI
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Maltepe Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. 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

  1. 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

    Türkçe

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MÜRVET KIRCI

  2. Derin öğrenme yöntemleri ile Türkçede bağlılık ayrıştırma

    Dependency parsing with deep learning methods in Turkish

    MÜCAHİT ALTINTAŞ

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET CÜNEYD TANTUĞ

  3. 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

    İngilizce

    2019

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. KAMİL ORUÇOĞLU

  4. 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

    İngilizce

    2020

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. MAHMUT ADİL YÜKSELEN

    PROF. DR. GÖKHAN İNALHAN

  5. Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ