Derin öğrenme ile gerçek zamanlı silah tespiti
Real-time weapon detection using deep learning
- Tez No: 997178
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET DİKMEN
- 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: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda artan güvenlik tehditleri, özellikle kalabalık bölgeler ve stratejik öneme sahip tesislerde, silahların hızlı ve güvenilir biçimde tespit edilmesini zorunlu kılmaktadır. Geleneksel yöntemlere dayalı güvenlik önlemleri çoğu zaman yeterli olmayıp, insan gözüyle yapılan izlemeler hem zaman açısından verimsiz hem de hata yapmaya açık bir yapı sergilemektedir. Derin öğrenme tabanlı nesne algılama modelleri, farklı türdeki silahların gerçek zamanlı olarak ayrıştırılmasına ve takip edilmesine olanak tanımaktadır. Bu çalışma, farklı silah türlerini sınıflandırma problemine yönelik çeşitli gerçek zamanlı nesne algılayıcıların etkinliğini araştırmaktadır. Bu amaçla, YOLOv9, YOLOv10, YOLOv11, YOLOX ve YOLOR modellerinin performansları, 5 silah sınıfını içeren ve 15.387 görüntüden oluşan dengeli bir veri kümesi üzerinde değerlendirilmiştir. Tüm modeller 5 katlı çapraz doğrulama ile eğitilmiş ve en iyi genel performans YOLOR modeli tarafından elde edilmiştir. Sonuçlar, YOLOR'un yüksek hassasiyet gerektiren kritik uygulamalara uygunluğunu ortaya koyarken, YOLOX'un ise geri çağırma odaklı ve kaynak kısıtlı dağıtımlar için avantajlar sunduğunu göstermektedir. Deneyler, güvenlik sistemlerini geliştirmek için gerçek zamanlı yapay zeka tabanlı nesne algılayıcıların potansiyelini vurgulamıştır.
Özet (Çeviri)
In recent years, increasing security threats, particularly in crowded areas and strategically important facilities, have made the rapid and reliable detection of weapons essential. Traditional security measures are often insufficient, and surveillance conducted by the human eye is both time-consuming and prone to errors. Deep learning–based object detection models enable the real-time classification and tracking of different types of weapons. This study explores the effectiveness of various real-time object detectors for the problem of classifying different weapon types. To that end, the performance of YOLOv9, YOLOv10, YOLOv11, YOLOX, and YOLOR models were evaluated on a balanced dataset of 15,387 images across 5 weapon classes. All models are trained with 5-fold cross-validation and YOLOR achieved the best overall performance. Results show YOLOR's suitability for high-precision, critical applications, while YOLOX offers advantages for recall-focused, resource-constrained deployments. The experiments highlighted the potential of real-time AI-based object detectors for enhancing security systems.
Benzer Tezler
- Zararlı video içeriklerinin derin öğrenme teknikleri ile tespiti ve filtrelenmesi için bir yazılım aracı geliştirilmesi
Development of a software tool for detecting and filtering harmful video content with deep learning techniques
FATMA GÜLŞAH TAN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ASIM SİNAN YÜKSEL
- İnsansız hava araçlarında otonom olarak çalışan bir silahın tasarımı ve uygulaması
Design and implementation of an autonomous weapon on unmanned vehicles
SERVET ÇINAR
Yüksek Lisans
Türkçe
2024
Sivil HavacılıkSelçuk ÜniversitesiHavacılık Teknolojileri Ana Bilim Dalı
PROF. DR. RÜŞTÜ GÜNTÜRKÜN
- Derin öğrenme algoritmaları kullanarak güvenli çocuk oyun alanlarında karşılaştırmalı tehlikeli nesne tespiti yapılması
Comparative suspicious object detection in safe playgrounds using deep learning algorithms
MEHMET FATİH İNKAYA
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN GÜRKAN
- Derin öğrenme yöntemiyle kapalı alanlarda suç davranışlarının tespitine yönelik bir uygulama
An application towards detecting criminal behaviors in indoor spaces with deep learning
EMEL BAĞDATOĞLU YILMAZ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. MURAT PAŞA UYSAL
- Dijital oyunlarda siber terörün yapay zekâ ile tespiti ve erişime engellenmesi
Detection and prevention of cyber terrorism in digital games using deep learning
AHMET EDİP ÇAPANOĞLU
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiAdli Bilişim Ana Bilim Dalı
DOÇ. DR. NURSEL YALÇIN