14 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 10 / 14
Yayın GIS aided vulnerability assessment for roads(Springer Science and Business Media B.V., 2022-04-21) Çalışkan, Berna; Atahan, Ali Osman; Kesten, Ali SercanRoad networks are vulnerable to natural disasters such as floods, earthquakes and forest fires which can adversely affect the travel on the network. However, not all road links equally affect the travel conditions in a given network; typically some links are more critical to the network functioning than the others. The first stage of study involves the investigation of geological conditions. Image classification used for extracting information classes from ‘Geological Map of Istanbul area’ image file. The resulting raster layer used to create thematic map. A reclassification was performed for lithologic types. The second stage involves analyzing topological situation. A slope map prepared and classified according to percentage of slope values. The third phase is the analysis and interpretation of the accumulated data to establish suitable and applicable road vulnerability scores. The information in the source data for each vulnerability factor are classified into three different vulnerability scores: +2 (considerably increases vulnerability), +1 (increases vulnerability) and 0 (does not increase vulnerability) by using a vulnerability score table. The study area was categorized into three different traffic analysis zones as: (1) least favorable area; (2) favorable area; (3) most favorable area. Vulnerability values obtained to measure serviceability of critical links in dense urban road networks and applies them to the case of ‘Beyoğlu’ region. Thematic layers were prepared using the Geographic Information System (GIS), and they were then combined to produce the serviceability of road links in the ‘Beyoğlu’ region. Consequently, A site specific vulnerability index is proposed, considering the serviceability of road links. A conceptual flowchart of the GIS processing steps taken to obtain the vulnerability index is illustrated.Yayın Çok-hipotezli süperpikseller ile sahne bölütleme ve etiketleme(IEEE, 2015-06-19) Ak, Kenan Emir; Ateş, Hasan FehmiSüperpikseller son zamanlarda imge bölütleme ve sınıflandırma problemlerinde giderek önem kazanmaktadır. Sahne etiketlemede imge öncelikle bir süperpiksel algoritması ile görsel olarak tutarlı küçük parçalara bölütlenmekte; daha sonra süperpikseller farklı sınıflara ayrı¸stırılmaktadır. Sınıflandırma performansı kullanılan süperpiksel algoritmasının özellikleri ve parametre ayarlarından önemli ölçüde etkilenmektedir. Bu bildiride sahne etiketleme doğruluğunu iyileştirmek için birden fazla süperpiksel bölütleme sonucunu sınıflandırıcı seviyesinde kaynaştıran bir yöntem önerilmiştir. Öncelikle basit, parametrik olmayan ve eğitim gerektirmeyen SuperParsing algoritması kullanılarak süperpiksel etiketleri için olabilirlik oranları tespit edilir. Daha sonra alternatif süperpiksel bölütleme senaryoları için hesaplanan olabilirlik oranları piksel seviyesinde kaynaştırılarak, ilgili sahnenin bölütlenmesi ve etiketlenmesi tamamlanır. Önerilen yöntem 2,688 imge ve 33 etiket içeren SIFT Flow veri kümesi üzerinde test edilmiş ve SuperParsing’den daha yüksek sınıflandırma doğruluğu elde edilmiştir.Yayın A haar classifier based call number detection and counting method for library books(IEEE, 2018-12-06) Kanburoğlu, Ali Buğra; Tek, Faik BorayCounting and organization of books in libraries is a routine and time-consuming task The task gets more complicated by misplaced books in shelves. In order to solve these problems, we propose an automated visual call number (book-id) detection and counting system in this paper. The method employs a Haar feature-based classifier from OpenCV library and cloud-based OCR system to decode characters from images. To develop and test the method, we have acquired and organized a dataset of 1000 book call numbers. The proposed method has been tested on 20 bookshelves images that contain 233 call numbers, which resulted in a true detection rate of 96% and false detection rate of 1.75 per image. For OCR step, the number of false recognized characters per call number was 0.76.Yayın Bir otomatik hedef tanıma algoritmasının geliştirilmesi(IEEE, 2013-04-24) Aldemir, Erdoğan; Yıldız, Nerhun; Tavşanoğlu, Ahmet VedatBu bildiri kapsamında bir Otomatik Hedef Tanıma (OHT) sistemi ele alınarak geliştirilmiş ve geliştirilen sistemin Matlab benzetimleri bildiride sunulmuştur. İkinci olarak OHT sistemlerinde kullanılan ve literatürde sıkça karşılaşılan klasik kenar belirleme algoritmalarının dışında yeni bir kenar belirleme algoritması önerilmiştir. Son olarak da Freeman zincir kodlamasının özellik çıkartma aşamasında kullanılabileceği gösterilmiştir. İlgili sistemin sınıflandırma ve karar verme aşaması hariç tamamı değişik test görüntüleri üzerinde denenmiş ve insan gözüne hitap edebilecek seviyede başarılı sonuçlar elde edilmiştir. İleride sınıflandırma aşamasının da gerçeklenmesi ile tasarlanan OHT sisteminin başarımının daha tarafsız bir ölçüt ile test edilmesi hedeflenmektedir. Ayrıca sistemin donanıma yönelik olarak optimizasyonu ile bir Field Programmable Gate Array (FPGA) gerçeklemesinin yapılması hedefler arasındadır.Yayın VİSKON-RS : Uzaktan algılama ile hızlı afet hasar analiz yazılımı(IEEE, 2015-06-19) Kahraman, Fatih; İmamoğlu, Mümin; Özcan, Büşra Yüksel; Huruoğlu, Cengiz; Alasağ, Tolga; Gemici, Ömer Faruk; Hocaoğlu, Muhammet A.; Ateş, Hasan FehmiAfet sonrası, acil müdahale ekiplerinin yönlendirilmesi ve iyileştirme çalışmalarının planlanması amacıyla hızlı hasar değerlendirmesine ihtiyaç duyulmaktadır. Bu çalışmada, AFAD ihtiyaçları doğrultusunda uzaktan (uzay/hava) algılama teknolojileri ile elde edilen görüntülerin afet hasar analizinde kullanılmasına yönelik VİSKON-RS yazılımı geliştirilmiştir. Geliştirilen yazılım; deprem, sel ve orman yangını gibi afet türlerinin hasar analizlerine özelleşmiş uygulamalar içermektedir. Ayrıca genel görüntü analizinde kullanılabilecek değişiklik analizi, eğitimli/eğitimsiz sınıflandırma, nesne tabanlı görüntü analizi ve doku analizi gibi uygulamalar yazılıma entegre edilmiştir. VİSKON-RS yazılımın temel amacı, afet sonrası uzaktan algılama verilerinin, açılması, işlenmesi, analiz edilmesi, sonuçların sergilenmesi ve karar destek sistemlerine aktarılması adımlarını içeren bütünleşik bir yazılım çözümü sunmaktır.Yayın Derin öznitelikler ile anlambilimsel görüntü bölütleme(Institute of Electrical and Electronics Engineers Inc., 2018-07-05) Sünetci, Sercan; Ateş, Hasan FehmiDerin evrişimsel sinir ağları (ESA) pek çok sınıflandırma probleminde olduğu gibi anlambilimsel görüntü bölütlemede de çok ciddi başarı göstermiştir. Fakat derin ağların eğitilmesi hem zaman alıcıdır hem de geniş bir eğitim veri kümesine ihtiyaç duymaktadır. Bir veri kümesinde eğitilen ağın başka bir görev ya da veri kümesine uygulanabilmesi için transfer öğrenme ile yeniden eğitilmesi gerekmektedir. Transfer öğrenmeye alternatif olarak ağ katmanlarından çıkarılan öznitelik vektörleri doğrudan sınıflandırma amaçlı kullanılabilir. Bu bildiride genel ESA mimarilerinden elde edilen özniteliklerin eğitim gerektirmeyen bir görüntü etiketleme yönteminde kullanılmasının sınıflandırma başarımına katkısı incelenmiştir. Derin ağlarda ‘öğrenilmiş’ öznitelikler ile SIFT gibi ‘el yapımı’ özniteliklerin birlikte kullanılmasının etiketleme doğruluğunu artırdığı gösterilmiştir. Varolan ön eğitimli ağların kullanılması sayesinde önerilen yaklaşım herhangi bir veri kümesinde yeniden eğitime gerek olmadan kolayca uygulanabilmektedir. Önerilen yöntem iki veri kümesinde test edilmiş ve etiketleme doğruluğu benzer yöntemlerle karşılaştırmalı olarak sunulmuştur.Yayın Compression of the biomedical images using quadtree-based partitioned universally classified energy and pattern blocks(Springer London, 2019-03-15) Gezer, Murat; Gargari, Sepideh Nahavandi; Güz, Ümit; Gürkan, HakanIn this work, an efficient low bit rate image coding/compression method based on the quadtree-based partitioned universally classified energy and pattern building blocks (QB-UCEPB) is introduced. The proposed method combines low bit rate robustness and variable-sized quantization benefits of the well-known classified energy and pattern blocks (CEPB) method and quadtree-based (QB) partitioning technique, respectively. In the new method, first, the QB-UCEPB is constructed in the form of variable length block size thanks to the quadtree-based partitioning rather than fixed block size partitioning which was employed in the conventional CEPB method. The QB-UCEPB is then placed to the transmitter side as well as receiver side of the communication channel as a universal codebook manner. Every quadtree-based partitioned block of the input image is encoded using three quantities: image block scaling coefficient, the index number of the QB-UCEB and the index number of the QB-UCPB. These quantities are sent from the transmitter part to the receiver part through the communication channel. Then, the quadtree-based partitioned input image blocks are reconstructed in the receiver part using a decoding algorithm, which exploits the mathematical model that is proposed. Experimental results show that using the new method, the computational complexity of the classical CEPB is substantially reduced. Furthermore, higher compression ratios, PSNR and SSIM levels are achieved even at low bit rates compared to the classical CEPB and conventional methods such as SPIHT, EZW and JPEG2000Yayın Convolutional attention network for MRI-based Alzheimer's disease classification and its interpretability analysis(IEEE, 2021-09-17) Türkan, Yasemin; Tek, Faik BorayNeuroimaging techniques, such as Magnetic Resonance Imaging (MRI) and Positron Emission Tomography (PET), help to identify Alzheimer's disease (AD). These techniques generate large-scale, high-dimensional, multimodal neuroimaging data, which is time-consuming and difficult to interpret and classify. Therefore, interest in deep learning approaches for the classification of 3D structural MRI brain scans has grown rapidly. In this research study, we improved the 3D VGG model proposed by Korolev et al. [2]. We increased the filters in the 3D convolutional layers and then added an attention mechanism for better classification. We compared the performance of the proposed approaches for the classification of Alzheimer's disease versus mild cognitive impairments and normal cohorts on the Alzheimer's Disease Neuroimaging Initiative (ADNI) dataset. We observed that both the accuracy and area under curve results improved with the proposed models. However, deep neural networks are black boxes that produce predictions that require further explanation for medical usage. We compared the 3D-data interpretation capabilities of the proposed models using four different interpretability methods: Occlusion, 3D Ultrametric Contour Map, 3D Gradient-Weighted Class Activation Mapping, and SHapley Additive explanations (SHAP). We observed that explanation results differed in different network models and data classes.Yayın İfade tanıma için yüz anatomisine dayalı öznitelikler(IEEE, 2014-04-23) Benli, Kristin Surpuhi; Eskil, Mustafa TanerBu çalışmada yüz ifadesi tanıma için kas kuvvetlerine dayalı yeni öznitelikler öneriyoruz. Yüz üzerinde seçtiğimiz noktaların video üzerindeki hareketlerini izleyerek kas kuvvetlerini çözüyoruz. Yüz noktaları, ilk video çerçevesi üzerinde, kas kuvvet alanları üzerinde ilklendirilir. Bu noktalar optik akış algoritması ile izlenir. Noktaların devinimleri yüzün 3 boyutlu yönelimi ve yüz ifadesine dayalı bağıl devinimleri kestirmek için kullanılır. İnsan yüzünü yaylarla, artık-belirtilmiş doğrusal bir denklem sistemi olarak modelliyoruz. Bu sistemi yüz anatomisi kısıtı altında, kas kuvvetleri için çözüyoruz. Ardışık ileri seçim yaparak, temel yüz ifadeleri için en betimleyici kas kümesini belirliyoruz.Yayın Adaptive convolution kernel for artificial neural networks(Academic Press Inc., 2021-02) Tek, Faik Boray; Çam, İlker; Karlı, DenizMany deep neural networks are built by using stacked convolutional layers of fixed and single size (often 3 × 3) kernels. This paper describes a method for learning the size of convolutional kernels to provide varying size kernels in a single layer. The method utilizes a differentiable, and therefore backpropagation-trainable Gaussian envelope which can grow or shrink in a base grid. Our experiments compared the proposed adaptive layers to ordinary convolution layers in a simple two-layer network, a deeper residual network, and a U-Net architecture. The results in the popular image classification datasets such as MNIST, MNIST-CLUTTERED, CIFAR-10, Fashion, and ‘‘Faces in the Wild’’ showed that the adaptive kernels can provide statistically significant improvements on ordinary convolution kernels. A segmentation experiment in the Oxford-Pets dataset demonstrated that replacing ordinary convolution layers in a U-shaped network with 7 × 7 adaptive layers can improve its learning performance and ability to generalize.
