Geri Dön

Mobil cihazlardaki görsellerin analizi ile YOLOv8 tabanlı seyahat öneri sistemi

A YOLOv8-based travel recommendation system through the analysis of visual data on mobile devices

PDF İndir

  1. Tez No: 960451
  2. Yazar: ALPER GÖRGÜLÜ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EMRE BİÇEK
  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: Van Yüzüncü Yıl Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka ve Robotik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 89

Özet

Bu çalışma, yapay zekâ destekli yöntemler aracılığıyla mobil cihazlarda fotoğraf analizi yaparak gerçek zamanlı nesne tespiti ve içerik yorumlama süreçlerini incelemeyi; bu bağlamda bir Mobil Seyahat Öneri Sistemi tasarlayıp geliştirmeyi hedeflemektedir. Çalışmada, YOLOv8 nesne algılama algoritmasının Android platformuna entegrasyonu ele alınmış ve bu entegrasyonun mobil cihazlar üzerindeki uygulanabilirliği kapsamlı bir şekilde araştırılmıştır. Çalışmanın ana odak noktalarından biri, kullanıcıların galerisinden birden fazla fotoğraf seçerek bu fotoğrafların Roboflow platformu üzerinden analiz edilmesi ve elde edilen kategorik tahminler doğrultusunda kişiye özel seyahat önerilerinin sunulmasıdır. Uygulama, yüklenen her fotoğrafı Roboflow API aracılığıyla değerlendirerek dört ana kategori (doğa, tarihi mekânlar, yaz tatili, kış tatili) çerçevesinde sınıflandırmakta ve bu sınıflandırmalardan anlamlı seyahat yönlendirmeleri üretmektedir. Tezin kapsamı, YOLOv8 algoritmasının temel prensiplerinin yanı sıra, farklı konfigürasyonlardaki modellerin eğitim süreçlerini ve mobil cihazlardaki kullanım performanslarını değerlendirmeyi de içermektedir. Bu doğrultuda, Python tabanlı olarak eğitilen YOLOv8 modellerinin, Android uygulaması ile API üzerinden iletişim kuracak şekilde entegrasyonu gerçekleştirilmiştir. Çalışmanın başlangıcında, YOLOv8 algoritmasının yapısı, çalışma prensipleri ve önceki nesil algoritmalarla karşılaştırmalı analizi yapılmıştır. Ardından, Android ortamında mobil uygulama geliştirme süreci, Roboflow ile model eğitimi, API entegrasyonu ve çoklu fotoğraf tahmini için geliştirilen sistem mimarisi ayrıntılı biçimde açıklanmıştır. Model eğitimi sürecinde Roboflow platformu kullanılarak veri setleri oluşturulmuş ve fotoğraflar kategorilere göre etiketlenmiştir. İki farklı YOLOv8 modelinin test sonuçları, doğruluk oranları açısından sırasıyla %96,6 ve %98,3 olarak elde edilmiştir. Bu bulgular, etkili ön işleme stratejilerinin ve model yapılandırmasının performans üzerinde önemli bir rol oynadığını göstermektedir. Sonuç olarak, geliştirilen Mobil Seyahat Öneri Sistemi, kullanıcıdan alınan birden fazla fotoğrafı analiz ederek ilgi alanlarına uygun genel seyahat temaları hakkında öneriler sunan yapay zekâ destekli bir mobil çözüm olarak tasarlanmış ve başarıyla uygulanmıştır. Bu çalışma, mobil cihazlarda yapay zekâ tabanlı içerik analizinin ve kullanıcı tercihlerine dayalı öneri mekanizmalarının pratik uygulama alanlarına katkıda bulunmayı amaçlamaktadır.

Özet (Çeviri)

This study seeks to investigate the processes of real-time object detection and content interpretation on mobile devices utilizing artificial intelligence methodologies, while also designing and developing a Mobile Travel Recommendation System within this framework. The research emphasizes the incorporation of the YOLOv8 object detection algorithm into the Android platform and thoroughly examines its effectiveness on mobile devices. One of the key goals of this research is to allow users to select multiple images from their gallery, analyze them through the Roboflow platform, and offer tailored travel recommendations based on the resulting categorical predictions. The application assesses each uploaded image via the Roboflow API, categorizing them into four primary groups—nature, historical landmarks, summer vacation, and winter vacation—and generates insightful travel suggestions from these classifications. The thesis encompasses not only the fundamental concepts of the YOLOv8 algorithm but also the assessment of training methodologies and deployment efficiency of various model configurations on mobile devices. Consequently, YOLOv8 models trained in a Python environment were integrated with an Android application through API communication. Initially, the study analyzed the structure and operational principles of YOLOv8, comparing it with previous iterations of object detection algorithms. This was succeeded by a comprehensive description of the mobile application development process within the Android ecosystem, model training on Roboflow, API integration, and the architecture of the multi-photo prediction system. During the model training phase, datasets were generated on the Roboflow platform, with images labeled according to their respective categories. The two trained YOLOv8 models achieved accuracy rates of 96.6% and 98.3%, respectively, indicating that effective preprocessing techniques and suitable model configurations significantly enhance overall performance. In summary, the Mobile Travel Recommendation System was effectively designed and implemented as an AI-driven mobile application that can analyze various user-submitted images and provide personalized travel theme recommendations based on individual preferences. This research aims to advance the practical use of AI-driven content analysis and user-focused recommendation systems in the field of mobile technology.

Benzer Tezler

  1. Tez No

    619586

    Üniversitelerde kurumsal web sitelerinin tasarım ve kullanılabilirlik analizleri

    Website design and usability analysis of corporate web sites in universities

    HATİCE AKKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

  2. Tez No

    682220

    Resource allocation in vehicular edge computing networksbased on deep reinforcement learning

    Araç uç bilişiminde derin pekiştirmeli öğrenmeye dayalıkaynak tahsisi

    HOMA MALEKI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. LÜTFİYE DURAK ATA

  3. Tez No

    901808

    Performans odaklı web uygulamaları geliştirmek

    Developing performance – oriented web applications

    ELANUR ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL BEYKENT ÜNİVERSİTESİ

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TALAT FİRLAR

  4. Tez No

    863387

    New edge computing offloading methods for next generation wireless networks

    Yeni nesil haberleşme sistemleri için geliştirilen kenar ağlarda bilgi işlem yük boşaltma yöntemleri

    BESTE ATAN

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. LÜTFİYE DURAK ATA

  5. Tez No

    593959

    Peer to peer and master-slave topologies for edge computing in internet of things

    Nesnelerin internetinde kenarda hesaplama için eşler arası ve ana-yardımcı topolojileri

    MOSTAFA ZIADOON IBRAHIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    Assist. Prof. Dr. ARİF SELÇUK ÖĞRENCİ

Geri Dön