Geri Dön

Otomatik avuç içi bölütlenmesinin gerçekleştirilmesinde farklı derin öğrenme modellerinin performanslarının incelenmesi

Investigation of the performances of different deep learning models in the implementation of automatic palm print segmentation

PDF İndir

  1. Tez No: 922673
  2. Yazar: KADİR YALÇIN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ RAMAZAN ÖZGÜR DOĞAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Gümüşhane Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka ve Akıllı Sistemler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

Tıbbi görüntüleme teknolojilerindeki ilerlemeler, özellikle derin öğrenme tabanlı yöntemlerin kullanımıyla, el bölütleme gibi spesifik görevlerde dikkat çekici başarılar elde etmiştir. El bölütleme, biyometrik doğrulama sistemlerinde kimlik tespiti için kritik bir öneme sahiptir. Avuç içi damar yapıları, parmak uzunlukları ve deri dokusu gibi benzersiz biyometrik özelliklerin doğru bir şekilde çıkarılması, el bölütleme algoritmalarının doğruluğuna bağlıdır. Bu tez çalışmasında, el bölütleme probleminin çözümü için oto kodlayıcı tabanlı U-Net, MA-Net, FPN ve PSP-Net modelleri, Vision Transformer, EfficientNet-B5 ve ResNet-34 omurgaları ile değerlendirilmiştir. Modeller, Doğruluk (ACC), Intersection over Union (IoU), Dice katsayısı ve F1 skor gibi metriklerle analiz edilmiştir. Sonuçlar, Vision Transformer ile entegre edilen U-Net modelinin bölütleme de en yüksek başarı sağladığını göstermiştir (IoU: 0.8917, Dice: 0.9892). MA-Net, ResNet-34 omurgasıyla kullanıldığında en yüksek doğruluk değerine (0.9921) ulaşmıştır. Ayrıca bu kombinasyon, en yüksek F1 skorunu (0.9584) da elde etmiştir. EfficientNet-B5, MA-Net ve FPN ile etkili sonuçlar sunmuştur. Çalışmanın sonuçları, derin öğrenme modelleriyle elde edilen bölütleme başarısının biyometrik doğrulama sistemlerinin güvenilirliğini artırabileceğini ortaya koymaktadır. Özellikle U-Net - Vision Transformer ve MA-Net – ResNet-34 kombinasyonları, elin bölütlenmesinde yüksek performans göstermiştir. Bu bulgular, el bölütleme uygulamalarında model ve omurga seçimlerinin kritik olduğunu vurgulamaktadır.

Özet (Çeviri)

Advances in medical imaging technologies, particularly with the use of deep learning based methods, have achieved remarkable success in specific tasks such as hand segmentation. Hand segmentation is of critical importance for identification in biometric verification systems. Accurate identification of unique biometric features such as palm vein structures, finger lengths and skin texture depends on the accuracy of hand segmentation algorithms. In this study, autoencoder based U-Net, MA-Net, FPN and PSP-Net models have been evaluated with Vision Transformer, EfficientNet-B5 and ResNet-34 backbones for solving the hand segmentation problem. The models were analyzed with metrics such as Accuracy (ACC), Intersection over Union (IoU), Dice coefficient and F1 score. The results showed that the U-Net model integrated with Vision Transformer provided the highest success in segmentation (IoU: 0.8917, Dice: 0.9892). MA-Net achieved the highest accuracy value (0.9921) when used with ResNet-34 backbone. In addition, this combination achieved the highest F1 score (0.9584). EfficientNet-B5 provided effective results with MA-Net and FPN. The results of the study revealed that the segmentation success obtained with deep learning models could increase the reliability of biometric verification systems. In particular, U-Net - Vision Transformer and MA-Net – ResNet-34 combinations showed high performance in hand segmentation. The findings emphasize that model and backbone selections are critical in hand segmentation applications.

Benzer Tezler

  1. Tez No

    411659

    Endüstriyel çalışma ortamlarında otomatik aydınlık kontrolü

    Automatic lighting control on industry

    METİN ORTATAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Mühendislik BilimleriBozok Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ORHAN ER

  2. Tez No

    412287

    Savunma sanayii için problem temelli kavramsal teknoloji veritabanı model önerisi

    Problem based technology database for defense industry – conceptual model proposal

    UMUT YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Savunma ve Savunma TeknolojileriKara Harp Okulu Komutanlığı

    Teknoloji Yönetimi Ana Bilim Dalı

    YRD. DOÇ. DR. CELAL EVCİ

  3. Tez No

    412698

    Metisilin dirençli staphylococcus aureus ve vankomisin dirençli enterokok suşlarında daptomisine duyarlılıklarının invitro e-test yöntemiyle araştırılması

    Investigation of sensitivity of daptomycin with invitro e-test method in strains of vancomycin-resistant enterococcus and methicillin resistant staphylococcus aureus

    NURAY ARI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    Tıbbi BiyolojiFırat Üniversitesi

    Tıbbi Mikrobiyoloji Ana Bilim Dalı

    PROF. DR. ZÜLAL AŞÇI TORAMAN

  4. Tez No

    412789

    Sistemik hidroksiklorokin kullanan hastalarda retinal toksisitenin araştırılması

    Research on retinal toxicity on patients systematically using hydroxychloroquine

    MİNE GÜL KIRBOĞA

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    Göz HastalıklarıNecmettin Erbakan Üniversitesi

    Göz Hastalıkları Ana Bilim Dalı

    PROF. MEHMET OKKA

  5. Tez No

    412803

    Alt solunum yolu enfeksiyonlarında bakteriyel etkenlerin ve bazı direnç genlerinin polimeraz zincir reaksiyonu ile araştırılması

    The investigation of bacterial pathogens and resistance genes in the lower respiratory tract infections BY polymerase chain reaction

    ÖZLEM AYDEMİR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2013

    MikrobiyolojiNecmettin Erbakan Üniversitesi

    Tıbbi Mikrobiyoloji Ana Bilim Dalı

    DOÇ. DR. MEHMET ÖZDEMİR

Geri Dön