Geleneksel pencere elemanı üzerinden derin öğrenme ile mimari kimliğin belirlenmesi
Determining architectural identity using deep learning based on traditional window elements
- Tez No: 900557
- Danışmanlar: PROF. DR. HATİCE DERYA ARSLAN, DR. ÖĞR. ÜYESİ ÖZLEM ERDAŞ ÇİÇEK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mimarlık, Computer Engineering and Computer Science and Control, Architecture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
- Bilim Dalı: Bina Bilgisi Bilim Dalı
- Sayfa Sayısı: 170
Özet
Mimari kimlik, bir yapıyı estetik, tarihsel, kültürel ve işlevsel özellikleriyle diğer yapılardan ayıran özgün niteliklerin bütünüdür. Modernizm ve küreselleşmenin etkisiyle birçok yapının mimari kimliği belirsizleşmiş, tekdüzeleşmiş ve özgünlüğünü kaybetmiştir. Bu durum, özellikle geleneksel mimari dokulara sahip yapıların kimlik unsurlarının doğru biçimde tespit edilmesi ve korunması gerekliliğini gündeme getirmiştir. Geleneksel mimari unsurların korunması ve yeni yapıların tasarımında bu unsurların dikkate alınması, tarihsel ve kültürel mirasın sürekliliği açısından büyük önem taşımaktadır. Bu tez çalışması, mimari kimliğin geleneksel pencere görselleri aracılığıyla tespitine yönelik yenilikçi bir yaklaşım sunarak derin öğrenme algoritmalarının mimarlık alanında kullanılmasına katkı sağlamaktadır. Tez çalışması kapsamında, Türkiye ve Türkiye'nin modernleşme sürecinde etkileşimde bulunduğu farklı uzaklıklardaki batı ülkelerinin geleneksel pencere modülleri üzerinden mimari kimliğin belirlenmesi amaçlanmıştır. Belirlenen amaç doğrultusunda, derin öğrenme algoritmaları yöntemiyle mimari kimliğin belirlenmesi için altı farklı ülkeye ait geleneksel pencere görselleri üzerinden ülke tahmini yapabilen bir model geliştirilmiştir. Mimari kimliğin belirlenmesi ve tespiti amacıyla iki aşamalı bir yöntem izlenmiştir. Öncelikle literatür taraması yapılarak, mimari kimliği etkileyen faktörler ve mimari kimliği oluşturan yapı bileşenleri sistematik bir şekilde açıklanmıştır. Yapılan detaylı araştırma ile cephe tasarımında pencere ögesinin kültürel ve estetik kimliği yansıtan önemli bir unsur olduğu tespit edilmiş ve kimlik belirlemesi çalışmasına pencere elemanı üzerinden devam edilmiştir. Teorik çerçevenin ardından uygulama aşamasında; Türkiye, Bulgaristan, Yunanistan, Kosova, Karadağ ve Bosna-Hersek'ten geleneksel konut yapılarına ait pencere görselleri toplanmış ve toplam 2.794 görüntüden oluşan kapsamlı bir veri seti oluşturulmuştur. Oluşturulan veri seti, pencere tasarımlarını tanıyarak mimari kimliği tespit edebilen ve pencerelerin ait olduğu ülkeye dair tahminlerde bulunabilen bir algoritmanın geliştirilmesi amacıyla kullanılmıştır. Transfer öğrenme yöntemi kullanılarak VGG16 tabanlı bir mimari yapı geliştirilmiş ve bu model, pencere görselleri üzerinden sınıflandırma yapmıştır. Eğitim sürecinde modelin doğruluk oranı %95 olarak kaydedilmiş; doğrulama doğruluğu %82, test doğruluğu ise %77 olarak elde edilmiştir. Derin öğrenme algoritmaları kullanılarak pencere görselleri üzerinden mimari kimlik tespiti yapılmıştır. Elde edilen bulgular, mimarlık alanında yapay zekâ destekli derin öğrenme yöntemlerinin mimari kimlik belirleme süreçlerinde etkili bir araç olarak kullanılabileceğini ve pencerelerin mimari kimlik temsiliyetinde güçlü bir potansiyele sahip olduğunu göstermektedir. Ayrıca, bu çalışma mimari mirasın korunması ve modern mimarlık pratiklerinde kimliksizleşme sorunlarının önüne geçilmesi konusunda önemli katkılar sunmaktadır.
Özet (Çeviri)
Architectural identity is the unique set of attributes that distinguishes a building from others through its aesthetic, historical, cultural, and functional characteristics. The impact of modernism and globalization has caused the architectural identity of many buildings to become ambiguous, homogenized, and lose their distinctiveness. This issue has underscored the need for accurately identifying and preserving the identity elements of structures, particularly those with traditional architectural fabrics. Preserving traditional architectural elements and incorporating them into the design of new buildings is crucial for ensuring the continuity of historical and cultural heritage. This thesis presents an innovative approach to identifying architectural identity through traditional window visuals and contributes to the use of deep learning algorithms in the field of architecture. Within the scope of this study, the objective is to determine the architectural identity through the traditional window modules of Turkey and the Western countries with which Turkey has interacted during its modernization process. To achieve this aim, a model has been developed using deep learning algorithms to predict the country of origin based on traditional window visuals from six different countries. A two-step method was followed for the identification and determination of architectural identity. First, a literature review was conducted to systematically explain the factors influencing architectural identity and the architectural components that shape it. The detailed research identified the window element as a significant feature reflecting cultural and aesthetic identity in façade design, and the study continued with the focus on window elements for identity determination. Following the theoretical framework, the application phase involved collecting traditional window visuals from residential structures in Turkey, Bulgaria, Greece, Kosovo, Montenegro, and Bosnia-Herzegovina, resulting in a comprehensive dataset of 2,794 images. This dataset was utilized to develop an algorithm capable of recognizing window designs and identifying the architectural identity, as well as predicting the country of origin. A VGG16-based architectural model was developed using the transfer learning method, which classified the images of windows. During the training process, the model's accuracy was recorded at 95%, with a validation accuracy of 82% and a test accuracy of 77%. The deep learning algorithms successfully identified architectural identity through window visuals. The findings demonstrate that AI-supported deep learning methods can serve as effective tools in the architectural identity determination processes and that windows have a strong potential for representing architectural identity. Additionally, this study offers significant contributions to the preservation of architectural heritage and addresses the issue of identity loss in modern architectural practices.
Benzer Tezler
- Novel cochlear electrode array development using microfabrication techniques
Mikrofabrikasyon teknikleri kullanılarak yenilikçi koklear elektrot dizini geliştirilmesi
GÜLÇİN ŞEFİYE AŞKIN
Doktora
İngilizce
2024
Makine MühendisliğiHacettepe ÜniversitesiNanoteknoloji ve Nanotıp Ana Bilim Dalı
DOÇ. DR. BİLSAY SÜMER
- The comparative performance assessment of dynamic shading devices for different climatic regions in Turkey
Türkiye'de farklı iklim bölgeleri için dinamik gölge elemanlarının karşılaştırmalı performans değerlendirmesi
SUZAN SAV
Yüksek Lisans
İngilizce
2018
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. GÜLTEN ASLIHAN ÜNLÜ
- Yeni Cami'nin akustik açıdan performans değerlendirmesi
Evaluation of the acoustical performance of the New Mosque
EVREN YILDIRIM
Yüksek Lisans
Türkçe
2003
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ DEMİRKALE
- Biçimlendiren etkenler açısından Doğu Karadeniz kırsal kesiminde geleneksel evlerin yapı özellikleri
Building characteristics of the traditional houses in respect to the shaping factors at eastern black sea region
M. REŞAT SÜMERKAN
- İstanbul'da bir ofis binası örneğinde elektrokromik pencerelerin performans değerlendirmesi
Performance evaluation of electrochromic windows on a sample of office building in Istanbul
GİZEM SARIŞEN ÖZTÜRK
Yüksek Lisans
Türkçe
2018
Enerjiİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. ASLIHAN ÜNLÜ TAVİL