Derin öğrenme tabanlı nesne tespit modelleri ile akıllı gözetim sistemleri için silah ve silahlı insan algılama
Weapon and armed person detection for intelligent surveillance systems using deep learning-based object detection models
- Tez No: 990749
- Danışmanlar: DR. ÖĞR. ÜYESİ ENES AYAN
- Tez Türü: Yüksek Lisans
- Konular: Savunma ve Savunma Teknolojileri, Defense and Defense Technologies
- Anahtar Kelimeler: Derin Öğrenme, YOLO, Silahlı Unsur Tespiti, Yapay Zekâ, Nesne tespiti, Savunma teknolojileri, Yapay zeka, Deep Learning, YOLO, Object Detection, Artificial Intelligence, Defence technologies, Artificial intelligence
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kırıkkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Savunma Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Akıllı gözetim sistemleri günümüzde güvenliğin artırılmasında önemli bir rol oynamaktadır. Bu sistemler, silahların ve silahlı insanların gerçek zamanlı olarak otomatik bir biçimde tespit edilmesini mümkün kılmaktadır. Yapay zekânın (YZ) bir alt dalı olan Konvolüsyonel Sinir Ağları (CNN), bilgisayarla görme alanında çığır açan gelişmelere öncülük etmiştir. Makinelerin görüntü sınıflandırma, nesne tespit ve hatta yaratıcı içerik üretimi gibi görevleri yüksek doğrulukla gerçekleştirmesini sağlamıştır. Bu çalışma derin öğrenme (DÖ) tabanlı nesne tespit modelleri kullanarak silah tespit sistemi geliştirmeyi amaçlamaktadır. Bu doğrultuda farklı açık kaynaklardan elde edilen görseller toplanmış ve üç temel sınıfı kapsayacak şekilde etiketlenerek bir veri seti oluşturulmuştur. You Only Look Once (YOLO) algoritmasının üç farklı sürümü YOLOv9, YOLOv10, YOLOv11 eğitilmiştir. Modeller kesinlik (Precision-P), duyarlılık (Recall-R) ve ortalama kesinlik oranı (Mean Avarage Precision - mAP) standart performans ölçütleriyle değerlendirilmiştir. Yapılan değerlendirmeler sonucunda YOLOv9s modeli %82.2 P, %70.4 R ve %76.9 mAP değerleriyle en yüksek tespit performansını göstermiştir. Ayrıca bu çalışmada YOLOv11 modeline dikkat mekanizmaları eklenerek tespit performansına olan etkisi incelenmiştir. Bu inceleme sonucunda dikkat mekanizmalarının tespit performansını olumlu etkilediği gözlemlenmiştir. Bu bulgular, YOLO tabanlı modellerin gerçek zamanlı gözetim uygulamalarında etkili olduğunu ortaya koymakta ve erken tehdit tespit ile kamu güvenliğini artırmaya yönelik gelişmiş sistemlerin tasarımına katkı sunmaktadır.
Özet (Çeviri)
Intelligent surveillance systems play a crucial role in enhancing security by enabling the real-time and automatic detection of weapons and armed individuals. Recent advances in artificial intelligence (AI), particularly Convolutional Neural Networks (CNNs), have significantly contributed to the field of computer vision. CNN-based models have demonstrated high success in solving complex problems such as image recognition, classification, and object detection. This study focuses on developing a robust weapon detection system using deep learning–based object detection models. For this purpose, images collected from various open sources were annotated to construct a custom dataset consisting of three fundamental classes. Three versions of the You Only Look Once (YOLO) algorithmYOLOv9, YOLOv10, and YOLOv11 were trained and evaluated. Model performance was assessed using standard metrics, namely precision (P), recall (R), and mean average precision (mAP). Experimental results indicate that the YOLOv9s model achieved the highest detection performance, with precision, recall, and mAP values of 82.2%, 70.4%, and 76.9%, respectively. Additionally, the impact of integrating attention mechanisms into the YOLOv11 model was investigated, and the results revealed that attention modules positively enhanced detection performance. Overall, the findings confirm that YOLO-based models are highly effective for real-time surveillance applications and contribute to the development of advanced systems aimed at improving public safety through early threat detection.
Benzer Tezler
- Human activity recognition using deep learning
Derin öğrenme ile insan aktivitesi tanıma
MURAT YALÇIN
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
- Deep learning-based detection and segmentation for 3D perception of the urban world
Kentsel dünyanın 3D algısı için derin öğrenme tabanlı tespit ve segmentasyon
BAHADIR AKIN AKGÜL
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BURAK PARLAK
- Nesneye yönelik kural tabanlı sınıflandırma ve derin öğrenme yöntemleri ile otomatik yol çıkarımı olanaklarının araştırılması
Investigation of automatic road extraction possibilities with object oriented rule-based classification and deep learning methods
ZEYNEP BAYRAMOĞLU
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANİME MELİS UZAR DİNLEMEK
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- Derin öğrenme kullanılarak perakende ürün tespiti
Başlık çevirisi yok
İSMAİL KÖSE
Yüksek Lisans
Türkçe
2022
Bilim ve TeknolojiSivas Cumhuriyet ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. OĞUZ KAYNAR