X-ray görüntülerinden gizlenmiş elektronik devrelerin derin öğrenme yöntemleriyle tespiti
Detection of concealed electronic circuits in X-ray images using deep learning methods
- Tez No: 919611
- Danışmanlar: PROF. DR. MUSTAFA SERVET KIRAN
- 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: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 111
Özet
Kamu kurum ve kuruluşlarında vazgeçilmez olan güvenlik terör vb. eylemlere karşı en yüksek seviyeye çıkarılmaya çalışılır. Bunun için güvenlik görevlileri tarafından kullanılan X-ray görüntüleri üzerinden yasaklı maddelerin görevliler tarafından tespiti, zaman, iş gücü ve uzman eksiklikleri nedeniyle verimli olmayabilir. Bu ve benzer sebeplerden ötürü ilgili süreci otomatikleştirmek ve insan faktörünü ortadan kaldırmak için çeşitli yöntemler geliştirilmiştir. Derin öğrenme yöntemleri ile görüntü analizi ve nesne tanıma ise bu sorunları aşma potansiyeline sahiptir. Tez çalışmasında, dizüstü bilgisayarlar gibi elektronik cihazlarda gizlenmiş patlayıcı devrelerinin tespiti konusu incelenmiştir. Bu problemi çözmek için hipotezler sunulmuş ve bu hipotezlere dayanarak derin öğrenme tabanlı çözüm yaklaşımları geliştirilmiştir. Problemi çözmek için ilk aşamada yeni ve özgün bir veri seti oluşturulmuş ve bu veri seti üzerinde sınıflandırma literatürdeki derin öğrenme modelleri kullanılarak gerçekleştirilmiştir. Yapılan deney çalışmaları sonuçları incelendiğinde veri seti boyutu ve karmaşıklığı nedeniyle çeşitli problemler ortaya çıktığı görülmüştür. İkinci aşamada elde edilen sınıflandırma başarılarının arttırılması amacıyla derin öğrenme modelleri özellik haritalarını birleştirmeye yönelik bir yaklaşım geliştirilmiştir. Bu yaklaşımın, özellikle boyutun küçük ve karmaşıklığının yüksek olduğu veri setlerinde başarım artırımı için yol gösterici nitelikte olduğu düşünülmektedir. Çalışmanın ilk aşamasında derin öğrenme alanında yaygın olarak kullanılan Evrişimsel Sinir Ağları tabanlı 11 farklı model sınıflandırma amacıyla tasarlanmıştır. Çalışmada yaşanan ilk zorluk veri setinin boyutunun küçük olması ve karmaşıklığı nedeniyle test esnasında yaşanmıştır. Test başarısı eğitim başarısına göre düşük olmuş ve yöntemler aşırı öğrenme yapmıştır. Bu durumu azaltmak ve başarımı artırmak için daha kısa süre eğitime ihtiyaç duyan ve aşırı öğrenmeye dirençli bir sınıflandırıcı yöntem kullanılması hedeflenmiştir. Böylece RWN (Random Weight Network) tabanlı bir sınıflandırıcı içeren özellik füzyonu yöntemi önerilmiş, yapılan literatürdeki derin öğrenme yöntemlerine ait deneyler ve yalnızca sınıflandırıcının değiştirildiği yöntem ile kıyaslanmış patlayıcı tespitinde kullanılmıştır. Çalışmanın son bölümünde RWN ve özellik füzyonu kullanılarak bir analiz yapılmıştır. Bu analiz, farklı ara katman ve hiper parametreler değerleri altında her bir yaklaşımın performansını ve etkinliğini değerlendirmeyi amaçlamıştır. Sonuç olarak geliştirilen özellik füzyonu yönteminin başarıya katkısı deney sonuçlarıyla gösterilmiştir.
Özet (Çeviri)
This thesis focuses on the detection of explosive circuits hidden in electronic devices, such as laptops, using X-ray imaging technologies, which are commonly used for security purposes in public institutions. The detection of prohibited items by security personnel through X-ray images may not be efficient due to issues such as time constraints, labor, and lack of expertise. Therefore, various methods have been developed to automate this process and eliminate human factors. Deep learning methods hold the potential to overcome these issues by automating image analysis and object recognition. In the first phase of the study, an original dataset was created for detecting explosive circuits, and classification was performed using deep learning models on this dataset. However, due to the small size and high complexity of the dataset, various problems arose during the testing phase. To address these issues, in the second phase, a method was developed to improve classification performance by combining feature maps from deep learning models. In particular, 11 different models based on Convolutional Neural Networks (CNN) were designed for classification purposes. The first challenge in the study was the small size of the dataset, which led to overfitting during testing, resulting in lower test performance compared to training performance. To mitigate this issue and improve performance, a classifier method that requires shorter training time and is resistant to overfitting was proposed. Thus, a feature fusion method with a Random Weight Network (RWN)-based classifier was introduced, and its performance was compared with the deep learning methods in the literature, as well as with a method where only the classifier was changed, for explosive detection. In the final section of the study, an analysis was conducted using RWN and feature fusion. This analysis aimed to evaluate the performance and effectiveness of each approach under different intermediate layer and hyperparameter values. As a result, the contribution of the developed feature fusion method to success was demonstrated through experimental results.
Benzer Tezler
- Development and characterization of transparent conductive oxide semiconductors via sol-gel dip coating method
Sol-jel daldırarak kaplama yöntemi ile saydam iletken oksit yarıiletkenlerin geliştirilmesi ve karakterizasyonu
BÜŞRA GÜNALAN
Yüksek Lisans
İngilizce
2024
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiNanobilim ve Nanomühendislik Ana Bilim Dalı
PROF. DR. NİLGÜN BAYDOĞAN
- Characterization of Cd1-X ZnX Te single crystals
Cd1-X ZnX Te tek kristalinin karakterizasyonu
BENGİSU YAŞAR
Yüksek Lisans
İngilizce
2016
Metalurji MühendisliğiOrta Doğu Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUNUS EREN KALAY
- Impact of support material type on the performance of dynamic membrane bioreactors treating municipal wastewater
Dinamik membran biyoreaktörler ile evsel atıksu arıtımında farklı destek tabakası tiplerinin araştırılması
RIZA HUDAYARIZKA
Yüksek Lisans
İngilizce
2019
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALE ÖZGÜN ERŞAHİN
- İndiyum oksit ve galyum katkılı indiyum oksit ince filmlerin optik ve mikroyapısal özelliklerinin incelenmesi
Investigating optical and microstructure properties of undoped and gallium-doped indium oxide thin films
KAMİLE BURCU ÇELİK
Yüksek Lisans
Türkçe
2013
Fizik ve Fizik MühendisliğiGebze Yüksek Teknoloji EnstitüsüFizik Ana Bilim Dalı
DOÇ. DR. MUHAMMED HASAN ASLAN
- Characterization of Cu-Zn-Sn-Se (CZTSe) thin films deposited by one-step thermal evaporation
Tek aşamalı ısısal buharlaştırma yöntemiyle kaplanmış Cu-Zn-Sn-Se (CZTSe) ince filmlerin karakterizasyonu
MELİKE ŞENSOY
Yüksek Lisans
İngilizce
2025
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN KARAAĞAÇ