Yazar "Üzen, Hüseyin" seçeneğine göre listele
Listeleniyor 1 - 2 / 2
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Geleneksel ve derin öğrenme tabanlı nesne takip yöntemlerinin performans değerlendirmesi(İnönü Üniversitesi, 2018) Üzen, HüseyinNesne takibi bir video veya gerçek zamanlı kayıt ortamında hedef nesnenin merkez konumu ve boyutunun otomatik olarak elde edilmesidir. Gelişen teknoloji ile birlikte, farklı uygulama alanlarına yönelik nesne takip yöntemleri geliştirilmektedir. Ancak, literatürdeki bu yöntemlerin birtakım testler yardımıyla avantajları ve dezavantajlarının ortaya konulması gerekmektedir. Bu sayede, günümüz problemlerine uygun çözümler geliştirilebilecektir. Bu tez çalışmasında gerçekleştirilen kıyaslamalı testler ile güncel nesne takip yöntemleri değerlendirilmiştir. Ayrıca, destek vektör makinesi gibi geleneksel makine öğrenmesi yöntemlerinin yanında, günümüzde oldukça popüler olan derin öğrenme tabanlı yöntemler de ele alınmıştır. Yapılan tez çalışmasında öncelikle literatürdeki güncel yöntemler incelenmiştir. Daha sonra uygulamalı karşılaştırmalar yapmak üzere beş geleneksel ve beş derin öğrenme tabanlı olmak üzere on nesne takip yöntem seçilmiştir. Bu yöntemlerin avantaj ve dezavantajlarını ortaya koymak amacıyla birbirinden farklı birçok veri setinden videolar kullanılmıştır. Ayrıca, incelenen yöntemler tez çalışması sırasında oluşturulan özel veri seti ile test edilmiştir. Deneysel sonuçlar, üç ana başlık altında (genel, problem bazlı ve performans bazlı değerlendirme) detaylı bir şekilde incelenmiştir. Yapılan kıyaslamalı testler sonucunda derin öğrenme tabanlı yaklaşımların oldukça yüksek nesne takip performansı elde ettiği görülmüştür. Bunun yanında korelasyon filtresi kullanan yöntemler performans açısından günümüzde hala vazgeçilemeyen yöntemler arasında yer almaktadırlar. Ayrıca korelasyon filtresinin nesne tespitinde geleneksel ikili sınıflandırıcılara göre çok daha başarılı olduğu gözlemlenmiştir. Son olarak yapılan testlerde derin öğrenme tabanlı ADNet yönteminin sahip olduğu güçlü ağ mimarisi sayesinde gelecekteki birçok çalışmaya yön verebileceği sonucuna varılmıştır.Öğe İmalat sistemlerinde derin öğrenme tabanlı doku hata tespiti(İnönü Üniversitesi, 2022) Üzen, HüseyinSon zamanlarda bilgisayar yazılım ve donanım teknolojisindeki gelişmelerle birlikte nesnelerin interneti, nesne sınıflandırma, nesne tespiti ve örüntü tanıma gibi kavramlar günümüzde oldukça yaygınlaşmıştır. Bu kavramlarla geliştirilen sistemler tıp, kimya, mühendislik, tarım, güvenlik sistemleri ve coğrafi bilimleri gibi birçok alanda yenilik ve kolaylık sağlamıştır. Özellikle derin öğrenme tabanlı sistemler, birçok alanda yüksek performanslar sağlamıştır. Bu tez çalışmasında, güncel derin öğrenme sistemlerini imalat sistemlerinde uyarlamak ve imalat sistemlerinde otomatik doku hata tespiti için yeni yaklaşımlarının geliştirilmesine odaklanılmıştır. Genellikle, imalat sistemlerinde yüzey/doku hata tespiti, uzman personel tarafından manuel olarak yapılmaktadır. Manuel yapılan denetimlerin zaman ve doğruluk açısından olumsuz yönleri vardır. Bunun yanı sıra uzman personel gereksiniminden dolayı maliyetlidir. Buna kıyasla, yapay zekâ destekli otomatik hata tespit sistemleri performans ve güvenirlik açısından daha başarılı sonuçlar üretebilmektedir. Bu başarılı sonuçlar sayesinde manuel denetimlerden kaynaklanan maddi kayıplar önlenebilmekte ve üretim alanında güçlü kazançlar sağlanabilmektedir. Bu bağlamda bu tez çalışmasında otomatik hata tespiti için derin öğrenme tabanlı etkili ve yeni modeller önerilmiştir. Bu modeller aşağıda sıralanmıştır: • Hata tespiti için zenginleştirilmiş öznitelik piramit ağ mimarisi, • Önemli özellikleri güçlendirmek için Derinlemesine Sıkma ve Uyarlama Bloğu (DSUB) ve DSUB tabanlı Efficient-Unet mimarisi, • Derin öğrenmede çok boyutlu mekânsal, spektral ve anlamsal öznitelikler çıkarmak için yeni bir yaklaşım, • Son zamanlarda oldukça popüler olan görüntü tabanlı dönüştürücüleri yüzey hata tespitine uyarlamak için geliştirilen Melez Dikkat Kapısı, • Swin dönüştürücü tabanlı yeni bir kodlayıcı ve kod çözücü ağ mimarisi, • Kumaş hatalarının sınıflandırılması için Derin Sinir Ağına, Çoklu Havuzlama ve Filtrelemeye dayalı yeni bir yaklaşım Önerilen bu özgün yöntemlerin başarısını analiz etmek için literatürde var olan ve güncel veri kümleri kullanılmıştır. Deneysel çalışmalarda, önerilen yöntemler güncel modeller ile karşılaştırılmıştır. Yapılan kapsamlı deneysel çalışmalardaki sonuçlara göre, hata tespiti için geliştirilen yöntemlerin etkili olduğu gözlemlenmiştir.
