Yapay sinir ağları ile batik motif tespit uygulaması geliştirilmesi
Developing batik motif detection application with artificial neural networks
- Tez No: 947096
- Danışmanlar: PROF. DR. ÇİĞDEM EROL
- 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: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Enformatik Bilim Dalı
- Sayfa Sayısı: 55
Özet
Batik, Endonezya'nın kültürel bir mirası olup motifler açısından sürekli gelişmekte ve çeşitlenmektedir. Batik'in tarihsel kökeni Majapahit Krallığı ile yakından ilişkilidir. Batik 17. yüzyılda ortaya çıkmaya başlamış ve 18. yüzyıldan 20. yüzyıla kadar hızla gelişmiştir. Birleşmiş Milletler Eğitim, Bilim ve Kültür Örgütü (UNESCO), 2 Ekim 2009 tarihinde batik'i Endonezya'nın somut olmayan kültürel mirası olarak kabul etmiştir. Her batik motifi kendine özgü bir anlam ve tarihi geçmiş taşır. Batik çeşitli motiflere sahiptir. Bandung Fe Enstitüsü ve Sobat Budaya tarafından 2015 yılında yapılan bir araştırmaya göre Endonezya'da en az 5.849 batik motifi bulunmaktadır. Batik motiflerinin binlere ulaştığı ve çeşitlilik gösterdiği düşünüldüğünde, motifleri sadece bakarak tanımak ve tespit etmek kolay değildir. Ayrıca Endonezya'da çeşitli etkinliklerde batik motiflerinin kullanımına ilişkin düzenlemeler de oldukça önemlidir. Bu tez çalışmasının amacı, çeşitli batik desenlerini tanımak için yapay sinir ağlarını kullanmaktır. Bu nedenle, batik motiflerini sınıflandırmak için Evrişimsel Sinir Ağı (CNN), ResNet50 ve VGG16 yöntemleri kullanılmıştır. CNN mimarisi, yani VGG16, %92,78 ile en yüksek doğruluğa sahiptir. VGG16 kullanılarak üretilen model daha sonra Flask Python kullanılarak web tabanlı bir batik motifi tespit uygulaması haline getirilmiştir.
Özet (Çeviri)
Batik is a cultural heritage of Indonesia, constantly evolving and diversifying in terms of motifs. The historical origin of batik is closely associated with the Majapahit Kingdom. Batik began to emerge in the 17th century and developed rapidly from the 18th to the 20th century. The United Nations Educational, Scientific and Cultural Organization (UNESCO) recognized batik as Indonesia's intangible cultural heritage on October 2, 2009. Each batik motif carries its own meaning and historical background. Batik has various motifs. According to a 2015 study by the Bandung Fe Institute and Sobat Budaya, there are at least 5,849 batik motifs in Indonesia. Considering that batik motifs number in the thousands and are diverse, it is not easy to recognize and identify motifs just by looking at them In addition, in Indonesia, regulations on the use of batik motifs in several events are also very strict. Therefore, to facilitate the recognition of batik patterns, this thesis applies Convolutional Neural Network (CNN), ResNet50 and VGG16 methods to classify batik motifs. The CNN architecture, namely VGG16, has the highest accuracy of 92.78%. The model generated using VGG16 was then developed into a web-based tie-dye motif detection application using Flask Python.
Benzer Tezler
- Erken Hristiyan ve ilk Bizans resim ve kabartma sanatında kaynak ve okullar (2 cilt)
Sources and school of painting and sculpture during the early Christian and first Byzantine period
AHMET MEHMET KİPMEN
- Batmış hidrolik sıçramada geri dönüş bölgesi uzunluğunun yapay zekâ yöntemleriyle tahmini
Estimation of the roller length of submerged hydraulic jumps using artificial intelligence methods
İBRAHİM MAHMUT YOLUK
Yüksek Lisans
Türkçe
2021
İnşaat MühendisliğiHarran Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. VEYSEL GÜMÜŞ
- Modeling of spar-type floating offshore wind turbines
Spar-tipi açıkdeniz yüzer rüzgar türbini modellemesi
NAGİHAN TÜRKOĞLU
Yüksek Lisans
İngilizce
2015
Enerjiİstanbul Teknik ÜniversitesiDeniz Teknolojisi Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AYHAN MENTEŞ
- Membran biyoreaktörün yapay sinir ağı ile modellenmesi
Modelling of membrane bioreactor using artificial neural network
BARIŞ ŞEN
Yüksek Lisans
Türkçe
2012
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ŞENİZ ERTUĞRUL
- Anomaly detection using machine learning techniques: A comparative study on first payment default prediction in retail loans
Yapay öğrenme yöntemleriyle anomali saptanması: Bireysel kredilerde ilk ödemede batma tahmini üzerine karşılaştırmalı bir çalışma
AHMET TALHA YİĞİT
Yüksek Lisans
İngilizce
2022
Bankacılıkİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ