Derin öğrenme tabanlı dijital oyun test sistemi tasarımı
Deep learning based digital game test system design
- Tez No: 925592
- Danışmanlar: PROF. DR. HASAN BULUT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 65
Özet
Dijital oyunlar, kullanıcıların genellikle görsel bir şekilde oyun ile etkileşime girdiği, kullanıcılarında eğlenme hissi uyandırmak istenen programlardır. Her yazılımda olduğu gibi dijital oyunlarda da hatalar olabilmektedir. Bu hatalar oyunların görsel veya mantıksal olarak istenilen şekilde çalışmamasına sebep olmaktadır. Bu nedenlerle dijital oyunlarda hata tespiti dünyadaki oyun geliştiricilerinin önem gösterdikleri ve bu konuda kaynak harcadıkları bir alandır. Bu kaynaklara, hataların bulunması aşamasında harcanan zaman ve şirketlerin bu hataları bulması için çalıştırdığı oyun test etme elemanları gibi örnekler verilebilir. Bu çalışmada, YOLO adlı gerçek zamanlı nesne tanıma, sınıflandırma ve görüntü işleme modeli kullanılarak dijital oyunlarda otomatik ve efektif bir şekilde hata tespiti yapılması amaçlanmaktadır. Algoritması çalışırken işlediği görüntüleri bir kere sinir ağından geçirdiği için“Yalnızca Bir Kez Bak”(You Only Look Once) anlamına gelen YOLO modeli diğer görüntü işleme modellerine göre daha hızlı ve efektif olmasıyla bir endüstri standartı haline gelmiştir. Bu çalışmada YOLO modelinin son versiyonu olan YOLO v10 versiyonu kullanılmıştır. Hata tespiti yapılması için Unity oyun motoru üzerinde üç boyutlu bir deney ortamı oluşturulmuştur ve bu ortam üzerine oyunlarda görülen görsel ve mantıksal bazı hatalar eklenmiştir. Bu hataları içeren görüntüler ile bir veri seti oluşturulmuştur. Daha sonra bu veri seti YOLO v10 modeli üzerinde eğitim ve test verisi olarak kullanılıp, gerçek zamanlı oyun hatası tespiti için kullanılmıştır. Daha sonra oyun testi için Unity MLAgents sayesinde oluşturulan takviyeli öğrenme ajanları ile hem ortamları otomatik olarak test etmektedir hem de YOLO modeli için görüntü kaydetmişlerdir. Çalışmada hedeflenen otomatikleştirilmiş gerçek zamanlı dijital oyun hata tespiti, YOLOv10 modelini ve Unity MLAgents takviyeli öğrenme ajanları kullanılarak, efektif bir şekilde gerçekleştirilmiştir. Çalışmada önerilen yöntemim kullanımı ile oyun test süreçlerinde kaynakların etkin kullanımı imkânı elde edilecektir.
Özet (Çeviri)
Digital games are programs in which users usually interact visuallly and are intent to create a sense of fun in their users. As with any software, there may be errors in digital games. These errors cause the games not to work visually or logically as desired. For these reasons, bug detection in digital games is an area that game developers around the world attach importance to and spend resources on. Examples of these resources include the time spent in finding bugs and the game testers that companies employ to find these bugs. In this study, we use a real-time object recognition, classification and image processing model called YOLO to automatically and effectively detect bugs in digital games. The YOLO model, which stands for“You Only Look Once”because its algorithm passes the images it processes through a neural network once while the algorithm is running, has become an industry standard because it is quicker and more effective than other image processing models. In this study, the latest version of the YOLO model, YOLO v10, was used. For error detection, a three-dimensional experimental environment was created on the Unity game engine and some visual and logical errors seen in the games were added to this environment. A dataset was created with images containing these errors and this dataset was used as training and test data on the YOLO v10 model and used for real-time game error detection. Then, for game testing, reinforcement learning agents created with Unity MLAgents were used to automatically test environments and record images for the YOLO model. The automated real-time digital game error detection targeted in the study was effectively achieved by using the YOLOv10 model and Unity MLAgents reinforcement learning agents. With the use of the method proposed in the study, efficient use of resources in game testing processes will be achieved.
Benzer Tezler
- Sensor-based activity recognition and authentication using deep learning
Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma
NİLAY TÜFEK
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Dijital oyunlarda siber terörün yapay zekâ ile tespiti ve erişime engellenmesi
Detection and prevention of cyber terrorism in digital games using deep learning
AHMET EDİP ÇAPANOĞLU
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiAdli Bilişim Ana Bilim Dalı
DOÇ. DR. NURSEL YALÇIN
- Mimarlık eğitiminde farklı medyalar için bütünleşik bir model önerisi
An integrated model for different media in architectural education
MEHMET SARPER TAKKECİ
Doktora
Türkçe
2024
Eğitim ve Öğretimİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. ARZU ERDEM
- Hacim kavramının dijital oyun tabanlı öğrenme yaklaşımıyla öğretilmesinin başarıya ve tutuma etkisi: Minecraft örneği
The effect of teaching the concept of volume through a digital game-based learning approach on achievement and attitude: The case of minecraft
CABİR SERHAT AYDIN
Yüksek Lisans
Türkçe
2025
Eğitim ve ÖğretimMuğla Sıtkı Koçman ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
DOÇ. DR. RIDVAN ATA
PROF. DR. BURÇAK BOZ YAMAN