Yapay zekâ yöntemleri kullanarak görüntülerden şiddet ve tehdit tespiti
Detection of violence and threats from images using artificial intelligence methods
- Tez No: 991457
- Danışmanlar: PROF. DR. HUMAR KAHRAMANLI ÖRNEK
- 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: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, görüntüler üzerinden tehdit ve şiddet unsurlarının otomatik olarak tespit edilmesi problemi ele alınmıştır. Bu amaçla bıçak, silah, şiddet ve şiddet yok olmak üzere dört sınıftan oluşan, manuel olarak etiketlenmiş bir veri kümesi oluşturulmuş ve anotasyonlar sınırlayıcı kutu temelli olarak hazırlanarak COCO formatına dönüştürülmüştür. Çalışmada YOLOv8, Faster R-CNN, RetinaNet ve Mask R-CNN modelleri değerlendirilmiştir. Tüm modeller, sonuçların genellenebilirliğini sağlamak amacıyla 10 katlı çapraz doğrulama yaklaşımı kullanılarak test edilmiştir. Eğitim süreci erken öğrenme, dengeleme ve değerlendirme olmak üzere üç aşamalı olarak kurgulanmış; özetlenen sonuçlar yalnızca değerlendirme aşamasında elde edilen ortalama performans değerlerine dayandırılmıştır. Deneysel sonuçlara göre YOLOv8 modeli, %98.3 kesinlik ile en yüksek kesinlik değerini sağlamış, ancak %74.7 duyarlılık ile bazı tehdit örneklerini kaçırmıştır. Faster R-CNN modeli, %98.0 duyarlılık ve %97.6 doğruluk değerleriyle en dengeli performansı sunmuştur. Mask R-CNN, %97.6 duyarlılık ve %96.8 doğruluk değerleriyle Faster R-CNN'e yakın sonuçlar üretmiştir. RetinaNet modeli ise %46.1 duyarlılık değeriyle diğer modellere kıyasla daha düşük performans göstermiştir. Elde edilen bulgular, bu veri kümesi üzerinde iki aşamalı bölge tabanlı modellerin, tek aşamalı modellere kıyasla daha kararlı ve güvenilir sonuçlar sunduğunu sayısal olarak ortaya koymuştur.
Özet (Çeviri)
In this thesis, the problem of automatic detection of threat and violence elements from images is addressed. For this purpose, a manually annotated dataset consisting of four classes knife, weapon, violence, and non-violence was constructed. All annotations were prepared using bounding boxes and converted into the COCO format for experimental evaluation. Four deep learning–based object detection models, namely YOLOv8, Faster R-CNN, RetinaNet, and Mask R-CNN, were evaluated. To ensure the generalizability of the results, all models were trained and tested using a 10-fold cross-validation strategy. The training process was structured into three stages: early learning, balancing, and evaluation, and only the averaged results obtained during the evaluation stage were reported. Experimental results show that YOLOv8 achieved the highest precision of 98.3%, while its recall of 74.7% indicates that some threat instances were missed. Faster R-CNN provided the most balanced performance with a recall of 98.0% and a accuracy of 97.6%. Mask R-CNN produced comparable results, achieving 97.6% recall and 96.8% accuracy. In contrast, RetinaNet exhibited lower performance, with a recall of 46.1%. Overall, the results quantitatively demonstrate that two-stage region-based models provide more stable and reliable performance than single-stage detectors for threat and violence detection on the constructed dataset.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- Orman yangınlarının mekânsal dağılımı ve hava kalitesine etkilerinin uydu verileri ve makine öğrenme yöntemleri ile analizi: 2025 Türkiye ve kaliforniya (LA) yangınları
Analysis of spatial distribution of forest fires and their impacts on air quality using satellite data and machine learning methods: 2025 turkey and california (LA) fires
İLAY NUR TÜMER
Yüksek Lisans
Türkçe
2026
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Petrol türevli 4 farklı yakıt yangınının ses dalgalarıyla söndürülmesi ve yapay zeka yöntemleriyle analizi
Extinguishing 4 different petroleum fuel fires with sound waves and analysing it with artificial intelligence methods
YAVUZ SELİM TAŞPINAR
Doktora
Türkçe
2021
Mühendislik BilimleriSelçuk ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT KÖKLÜ
- İç hastalıkları yoğun bakım ünitesinde hastanın ilk gün PA AC grafisinden yapay zeka yöntemleri kullanılarak mortalite tahmini
Mortality prediction from patient's first day PA AC radiograph in internal medicine intensive care unit using artificial intelligence methods
ORHAN GÖK
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TÜRKER FEDAİ ÇAVUŞ