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
- Manisa yöresinde domateste anlaşmalı tarım ve karşılaşılan sorunlar
Başlık çevirisi yok
OSMAN MURAT KOÇTÜRK
- Bir pamuk iplikhanesinde fiili çalışma metodlarının incelenmesi ve mevcut işlemlerin standart sürelerinin saptanması
Başlık çevirisi yok
MÜRŞİDE KESEROĞLU
- Çiğit ve ayçiçek yağlarının doğal antioksidan içerikleri ile bu yağların stabilitelerinin arttırılmaları üzerinde araştırmalar
Başlık çevirisi yok
ALİ KEMAL YALNIZ
