El yazısı rakamlarından cinsiyet tahmini: Derin öğrenme yaklaşımlarının karşılaştırılması ve analizi
Gender estimation from handwritten digits: A comparison and analysis of deep learning approaches
- Tez No: 921742
- Danışmanlar: PROF. DR. MEHMET AKİF ŞAHMAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Uzun zamandır, çeşitli alanlardaki bilgilerin dijitalleştirilmesi ve depolanması giderek daha önemli hale gelmiştir. Özellikle basılı, el yazısı veya görüntü verilerinin düzenlenebilir bir formata dönüştürülmesine yönelik önemli bir talep vardır. Hem dijitalleştirme süreci hem de bu tür bilgilerin tanınması sırasında çeşitli sorunlar ortaya çıkmaktadır. Araştırmacılar için bu alan oldukça çekicidir. Görüntü dosyalarından metinsel verileri çıkarmak ve saklamak için çeşitli teknolojik yaklaşımlar vardır. Yaygın olarak tanınan bir teknoloji olan Optik Karakter Tanıma (Optical Character Recognizer-OCR), taranan belgelerdeki veya görüntülerdeki metni, düzenlenebilen ve depolama için kullanılabilen dijital metne dönüştürür. Bununla birlikte, karakter özellikleri, boşluk eksikliği, metindeki eksen kaymaları ve özellikle el yazısı olanlar, taranan belgelerdeki görüntü kalitesinin bir sonucu olarak, çeşitli sorunlar ve zorluklar çıkarmaktadır. Yapay zekâ tabanlı tekniklerin kullanımı karakter tanıma doğruluğunu artırmıştır. Bu teknikler arasında Evrişimsel Sinir Ağları (CNN'ler) bilgisayarlı görme problemleri için tercih edilmektedir. Bu çalışmada, Türk Milli Eğitim Sistemindeki öğrencilerden el yazısı rakamlar toplanmış ve veriler uygun bir şekilde etiketlenmiştir. Veriseti ile öğrencilerin el yazılarının ve cinsiyetinin tespit edilmesi amaçlanmıştır. İyi bilinen beş farklı CNN modeli (Özelleştirilmiş CNN, Resnet-50, InceptionV3, Vgg16, Vgg19) kullanılmıştır. Bu modellerden elde edilen sonuçlar karşılaştırılmıştır.
Özet (Çeviri)
For a long time, the digitization and storage of information in various fields has become increasingly important. In particular, there is a significant demand for the conversion of printed, handwritten or image data into an editable format. Various issues arise both in the digitization process and in the recognition of such information. For researchers, this area is very attractive. There are various technological approaches to extract and store textual data from image files. Optical Character Recognizer (OCR), a widely recognized technology, converts text from scanned documents or images into digital text that can be edited and used for storage. However, character features, lack of whitespace, axis shifts in text, and especially handwritten ones, pose various problems and challenges as a result of the image quality in scanned documents. The use of artificial intelligence-based techniques has improved the accuracy of character recognition. Among these techniques, Convolutional Neural Networks (CNNs) are preferred for computer vision problems. In this study, handwritten digits were collected from students in the Turkish National Education System and the data were appropriately labeled. The dataset aims to identify students' handwriting and gender. Five different well-known CNN models (Customized CNN, Resnet-50, InceptionV3, Vgg16, Vgg19) were used. The results obtained from these models are compared.
Benzer Tezler
- Duvar üzerine çeşitli kalemler ile yazılmış el yazılarının incelenmesi
Examination of handwrites written with various items on the wall
SEZAİ ULUÇ
Yüksek Lisans
Türkçe
2019
Adli TıpÜsküdar ÜniversitesiAdli Bilimler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYLİN YALÇIN SARIBEY
- El yazısı rakamların Izhikevich nöron modeline dayalı sınıflandırılması
Classification of handwritten digits based on the Izhikevich neuron model
HİLAL ŞİMŞEK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TEMEL KAYIKÇIOĞLU
- A weakly supervised clustering method for cancer subgroup identification
Kanser alt gruplarının keşfi için zayıf gözetimli bir kümeleme metodu
DUYGU ÖZÇELİK
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. ÖZNUR TAŞTAN OKAN
- Machine learning techniques for surface electromyography based hand gesture recognition
Yüzey elektromiyografi temelli el jesti tanıma için makine öğrenmesi teknikleri
ENGİN KAYA
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Çok boyutlu kaotik sistemler ile şifreleme
Encryption with multi-dimensional chaotic systems
ASİYE YİĞİT
Yüksek Lisans
Türkçe
1997
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. CÜNEYT GÜZELİŞ