Çekişmeli üretici ağlar (GANs) ile renk körü insanlar için görsel iyileştirme
Visual enhancement for color-blind individuals using generative adversarial networks (GANs)
- Tez No: 998414
- Danışmanlar: DR. ÖĞR. ÜYESİ İRFAN ÖKTEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Bitlis Eren Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma kapsamında önerilen çok aşamalı GAN modeli; CycleGAN, cGAN ve StyleGAN mimarilerinin ardışık ve birbirini tamamlayacak şekilde bir araya getirildiği çok katmanlı bir yapı sunmaktadır. COCO veri tabanı ve açık kaynaklı görsellerden oluşturulan toplam 1200 adet görüntüden oluşan veri kümesi üzerinde gerçekleştirilen deneyler sonucunda, önerilen model 25.43 dB PSNR, 0.94 SSIM ve 0.102 LPIPS değerlerine ulaşmıştır. Elde edilen bu sonuçlar, modelin renk düzeltme sürecinde görüntü gürültüsünü sınırladığını, yapısal bütünlüğü koruduğunu ve algısal açıdan doğal görünüme sahip çıktılar üretebildiğini göstermektedir. Nesnel değerlendirmelere ek olarak, renk körlüğü bulunan bireylerle gerçekleştirilen ve 5'li Likert ölçeğine dayanan algısal değerlendirmelerde; renk ayrımı için 4.53, doğal görünüm için 4.32 ve nesne ayırt edilebilirliği için 4.64 ortalama puanlar elde edilmiştir. Özellikle kırmızı–yeşil ve mavi–sarı renk körlüğü türlerinde görsel ayırt edilebilirliğin belirgin biçimde iyileştiği, tam renk körlüğü senaryolarında ise doğal renklere yakın sonuçların üretilebildiği gözlemlenmiştir. Bu bulgular, önerilen bütünleşik GAN mimarisinin hem sayısal hem de algısal açıdan etkili ve uygulanabilir bir çözüm sunduğunu ortaya koymaktadır.
Özet (Çeviri)
Within the scope of this study, an multi-stage GAN model is proposed, in which the CycleGAN, cGAN, and StyleGAN architectures are combined in a sequential and complementary manner to form a multi-layered framework. Experimental studies conducted on a dataset consisting of a total of 1200 images compiled from the COCO dataset and open-source visual resources demonstrate that the proposed model achieves 25.43 dB PSNR, 0.94 SSIM, and 0.102 LPIPS values. These results indicate that the model effectively limits image noise during the color correction process, preserves structural integrity, and produces perceptually natural-looking outputs. In addition to objective evaluations, perceptual assessments were conducted with individuals affected by color vision deficiency using a 5-point Likert scale. The results yielded average scores of 4.53 for color discrimination, 4.32 for natural appearance, and 4.64 for object distinguishability. Notable improvements in visual discriminability were observed for red–green and blue–yellow color vision deficiencies, while near-natural color estimations were obtained in total color blindness scenarios. These findings demonstrate that the proposed integrated GAN architecture provides an effective and practically applicable solution in both quantitative and perceptual terms.
Benzer Tezler
- Yapay zeka algoritmalarının mimari şematik plan oluşturmak için kullanımı
Use of artificial intelligence algorithms to create architectural schematic plan
ZEKİ MEHMET AKÇAN
Yüksek Lisans
Türkçe
2022
MimarlıkMimar Sinan Güzel Sanatlar ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. BÜLENT ONUR TURAN
- Blind underwater image restoration using operational cycle-gans
Su altı görüntülerinin operasyonel döngü tutarlı uzetken karsıt aglar ile gözü kapalı restorasyonu
ÖZER CAN DEVECİOĞLU
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TÜRKER İNCE
- Words as art materials: Generating paintings with sequential generative adversarial networks
Sanat materyali olarak kelimeler: Seri üretici çekişmeli ağlar ̇ile sanatsal resim üretimi
AZMİ CAN ÖZGEN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Mimari tasarımda yapay zekâ yaklaşımı: Makine öğrenmesi ile mekân işlevlerinin tanınması ve üretken çekişmeli ağlarla mimari plan üretimi
Artificial intelligence approach in architectural design: Recognition of space functions with machine learning and architectural plan generation with generative adversarial networks
BERFİN YILDIZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
DR. ÖĞR. ÜYESİ İBRAHİM ZİNCİR
- Decision-making process for house plan layout generation through deep learning algorithms: A hybrid model proposal
Derin öğrenme algoritmaları aracılığı ile konut planı yerleşimi için karar verme süreci: Hibrit bir model önerisi
GİZEM ÖZEROL ÖZMAN
Doktora
İngilizce
2024
MimarlıkGazi ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEMRA ARSLAN SELÇUK
PROF. DR. ARZU SORGUÇ