An ai-driven computational model for evaluating object memorability
Nesne hatırlanabilirliğini değerlendirmek için yapay zeka tabanlı hesaplamalı bir model
- Tez No: 955378
- Danışmanlar: DOÇ. DR. SEMA ALAÇAM DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Mimarlık, Architecture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Ana Bilim Dalı
- Bilim Dalı: Mimari Tasarımda Bilişim Bilim Dalı
- Sayfa Sayısı: 91
Özet
Görsel algı, mimari tasarım süreçlerinde nesne yerleşimlerinin ve mekânsal düzenlemelerin kullanıcı üzerindeki etkisini belirleyen önemli bir unsurdur. Görsel algıyı etkileyen birçok unsur bulunmaktadır. Bunlar, boyut, doku, form ve biçim, ışık- gölge, renk ve semantiktir. Hatırlama nesnenin farkında olmakla, algıyla ilgili bir durumdur. Yapılan çalışmalarda insanların unuttukları ve hatırladıkları nesnelerin ortak olduğu gözlemlenmiştir. Bu tezin amacı, algılayanın değişen bakış açısını dikkate alarak hatırlanabilirlik ile nesne boyutu ve konumu arasındaki ilişkiyi incelemek ve görsel algı değerlendirmesini hesaplamalı bir model yoluyla gerçekleştirmektir. Bu tez özellikle kullanıcı odaklı tasarım süreçlerine katkı sağlamayı hedeflemektedir. Geliştirilen model, tasarım sürecinde mimarlara geri bildirim sağlayabilecek bir araçtır. Tez kapsamında görsel algı ve hesaplamalı görsel algı üzerine kapsamlı bir araştırma yapılmıştır. Bu bölümden edinilen bilgiler ışığında hesaplamalı görsel algı modeli geliştirilmiştir. İlk aşamada boyut ve hatırlanabilirlik ilişkisini, İkinci aşamada nesne konumu ve hatırlanabilirlik ilişkisini incelemek üzere bir hesaplama yöntemi sunulmuştur. Geliştirilen modelin uygulanması için İstanbul Teknik Üniversitesi Sosyal ve Beşeri Bilimler İnsan Araştırmaları Etik Kurulu izniyle bir vaka çalışması gerçekleştirilmiştir. Vaka çalışmasında toplanan veriler ve modelin ürettiği çıktılar analiz edilip aralarındaki ilişki incelenmiştir. Vaka çalışmasından elde edilen ortalama puanlar ve modelden elde edilen boyut ve konuma bağlı hatırlanabilirlik puanları arasında Pearson ve Spearman korelasyon analizleri ve basit doğrusal regresyon analizi yapılmıştır. Bu analizler sonucunda nesne boyutu ve katılımcı verileri arasında güçlü pozitif ve anlamlı bir ilişki bulunurken, nesne konumu ve hatırlanabilirlik arasında anlamlı bir ilişki gözlemlenmemiştir.
Özet (Çeviri)
Visual perception is a key element in architectural design processes that determines the impact of object placements and spatial arrangements on users. Many factors influence visual perception, including size, texture, form and shape, light and shadow, color, and semantics. Recall is a state related to perception, being aware of an object. Studies have observed that objects that people forget and remember are common. The aim of this thesis is to examine the relationship between memorability and object size and location using a computational model, taking into account the perceiver's changing perspective. As part of this thesis, comprehensive research has been conducted on computational visual perception approaches. Then, a computational visual perception model was developed. A computational method is presented to examine the relationship between size and memorability in the first stage, and the relationship between object location and memorability in the second stage. A case study was conducted to implement the developed model with the permission of the Istanbul Technical University Social and Human Sciences Scientific Research and Publication Ethics Committee. The data collected in the case study and the outputs produced by the model were analyzed. Pearson and Spearman correlation analyses and simple linear regression analyses were conducted between the mean scores obtained from the case study and the size and location-based memorability scores obtained from the model. These analyses revealed a strong, positive, and significant relationship between object size and participant data, while no significant relationship was observed between object location and memorability.
Benzer Tezler
- Deprem sonrası betonarme kolonlarda boyuna donatı burkulmasının makine öğrenmesi ile tespiti
Detection of longitudinal reinforcement buckling in reinforced concrete columns post-earthquake by machine learning
BAHADIR GÜLEŞMEN
Yüksek Lisans
Türkçe
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER TUĞRUL TURAN
- Improvıng the predıctıon of oıl and gas productıon usıng artıfıcıal ıntellıgence algorıthms
Yapay zeka algoritmalarını kullanarak petrol ve gaz üretim tahminlerinin iyileştirilmesi
AZHAR NAJI MUHAJIR ALYAHYA
Yüksek Lisans
İngilizce
2025
EnerjiSakarya ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. GÜLÜZAR ÇİT
- Derin öğrenme algoritmaları kullanarak öğrenci akademik performansının erken tahmini
Early prediction of student academic performance using deep learning algorithms
AHMET KALA
Doktora
Türkçe
2025
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN TORKUL
DR. ÖĞR. ÜYESİ TUĞBA YILDIZ
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- Makine öğrenmesi yöntemleri ile hibrit ve kompozit ZA-27 alaşımlarının aşınma davranışlarının karşılaştırmalı analizi
Comparative analysis of wear behavior of hybrid and composite ZA-27 alloys using machine learning methods
SENA NUR ADIYAMAN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLTEKİN ÇAĞIL