Sınırlı verilerle antik yazı sistemlerinin sınıflandırılması
Classification of ancient writing systems with limited data
- Tez No: 998766
- Danışmanlar: DR. ÖĞR. ÜYESİ DİDEM ÖLÇER
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Bilim ve Teknoloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Science and Technology, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Evrişimli sinir ağları, Makine öğrenmesi, OSL tekniği, Siyam ağı, Convolutional neural networks, Machine learning, OSL technique, Siamese network
- Yıl: 2026
- 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
Bu tez çalışmasında, sınırlı sayıda örnekle antik yazı sistemlerinin görüntü tabanlı olarak sınıflandırılması problemi ele alınmıştır. Bu problem, kültürel mirasın dijitalleştirilmesi ve arşivlenmesi açısından önem taşımaktadır. Gerçek taş yazıt ve el yazması görüntülerinden geniş ölçekli bir veri kümesi oluşturmak; erişim kısıtları, yüzey aşınması, kırık/parça kayıpları ve çekim koşullarındaki değişkenlik nedeniyle çoğu zaman mümkün olmamaktadır. Bu nedenle Likya, Fenike ve Saba yazı sistemlerine ait Unicode tabanlı font karakterleri kullanılarak yapay eğitim verisi üretilmiş; elde edilen yapay örnekler sınırlı sayıdaki gerçek görüntülerle birlikte değerlendirilmiştir. Çalışmada, benzerlik öğrenmeye dayalı Siyam Sinir Ağı (SNN) mimarisi ile bir örnekle öğrenme senaryosu kurgulanmıştır. Eğitim sürecinde model, aynı sınıfa ait ve farklı sınıfa ait örnek çiftlerini ayırt edecek şekilde benzerlik temsillerini öğrenmektedir. Test aşamasında ise her sınıfı temsil eden referans görüntüler ile test görüntüsü eşleştirilmiş ve en yüksek benzerlik değerini üreten sınıf tahmin olarak seçilmiştir. Yapay ve gerçek veri alt kümeleri üzerinde farklı öğrenme oranları denenmiş; performans doğruluk, kesinlik, duyarlılık, F1-skor ve MCC ölçüleri ile analiz edilmiştir. En iyi sonuç, gerçek D2 veri kümesinde öğrenme oranı 0,001 iken ortalama %66,7 doğruluk olarak elde edilmiştir. Bulgular, veri kıtlığı koşullarında yapay verinin eğitim sürecini destekleyebildiğini ve SNN tabanlı yaklaşımın kültürel miras verilerinin otomatik analizi için uygulanabilir bir başlangıç sunduğunu göstermektedir.
Özet (Çeviri)
This thesis addresses the problem of image-based classification of ancient writing systems under limited-data conditions. This task is important for the digitization and archiving of cultural heritage. However, building a large-scale data set from real stone inscriptions and manuscript images is often not feasible due to access constraints, surface erosion, fragmentation and missing parts, and variability in acquisition conditions. Therefore, synthetic samples were generated using Unicode-based font characters of the Lycian, Phoenician and Sabaean scripts, and these synthetic samples were evaluated together with a limited number of real images. A one-shot learning scenario was formulated using a Siamese Neural Network (SNN) architecture based on similarity learning. During training, the model learns similarity representations by distinguishing pairs of samples belonging to the same class from those belonging to different classes. During testing, the test image was paired with reference images representing each class, and the class yielding the highest similarity score was selected as the prediction. Different learning rates were examined on synthetic and real data subsets, and performance was analyzed using accuracy, precision, recall, F1-score and Matthews correlation coefficient (MCC). The best result was obtained on the real D2 dataset with a learning rate of 0.001, achieving an average accuracy of 66.7%. The findings indicate that synthetic data can support training under data scarcity and that the SNN-based approach provides a feasible baseline for the automatic analysis of cultural heritage data.
Benzer Tezler
- Multitemporal change detection on Urmia lake and its catchment area using remote sensing and geographical information systems
Urmiye gölündeki zamansal değişimlerin uzaktan algılama ve CBS kullanılarak belirlenmesi
YUSUF ALIZADE GOVARCHIN GHALE
Yüksek Lisans
İngilizce
2014
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. ELİF SERTEL
- Burdur Yüreğil Köyü kültür varlıkları ve koruma sorunlarının irdelenmesi
Cultural heritage and conservation problems of Burdur Yüreğil village
SELİN AKMAN
Yüksek Lisans
Türkçe
2019
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. DENİZ MAZLUM
- Maksillofasiyal travma olgularının medikolegal değerlendirilmesi
Medicolegal evaluation of maxillofacial trauma cases
İREM TUĞÇE TOKSOY
- Geleneksel medyadan yeni medyaya geçişin reklam ajansları ve reklamverenler açısından etkileri: Adana ili örneği
The effects of transitioning from traditional media to new media for advertising agencies and advertisers: Adana city case
EZGİ YAVUZ
Yüksek Lisans
Türkçe
2020
ReklamcılıkÇağ Üniversitesiİşletme Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BÜLENT ÖZER
