Yazar "Uzun, Mehmet Zahit" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • Küçük Resim
    Öğe
    Micro-expression recognition by using CNN features with PSO algorithm and SVM methods
    (Int Information & Engineering Technology Assoc, 2022) Uzun, Mehmet Zahit; Çelik, Yüksel; Başaran, Erdal
    This study proposes a framework for defining ME expressions, in which preprocessing, feature extraction with deep learning, feature selection with an optimization algorithm, and classification methods are used. CASME-II, SMIC-HS, and SAMM, which are among the most used ME datasets in the literature, were combined to overcome the under-sampling problem caused by the datasets. In the preprocessing stage, onset, and apex frames in each video clip in datasets were detected, and optical flow images were obtained from the frames using the FarneBack method. The features of these obtained images were extracted by applying AlexNet, VGG16, MobilenetV2, EfficientNet, Squeezenet from CNN models. Then, combining the image features obtained from all CNN models. And then, the ones which are the most distinctive features were selected with the Particle Swarm Optimization (PSO) algorithm. The new feature set obtained was divided into classes positive, negative, and surprise using SVM. As a result, its success has been demonstrated with an accuracy rate of 0.8784 obtained in our proposed ME framework.
  • Küçük Resim
    Öğe
    Şeker kamışı yaprak hastalıklarını farklı derin öğrenme modellerinin hibrit bir yöntemi ile tespiti
    (Karamanoğlu Mehmetbey Üniversitesi, 2025) Uzun, Mehmet Zahit
    Şeker kamışı bitkisinde karşılaşılan hastalıkların zamanında ve doğru teşhisi tarımsal faaliyetler açısından büyük önem taşımaktadır. Geleneksel yaklaşımların öznel, iş gücü ve uzman görüşü gerektiren zorlukları bulunmaktadır. Bu ihtiyaçlar doğrultusunda bu çalışmada hastalıkları otomatik olarak sınıflandıran derin öğrenme tabanlı bir model geliştirilmiştir. Araştırmada kullanılan Sugarcane Leaf Disease veri seti kırmızı çürüklük, mozaik, pas, sarı hastalıkları ve sağlıklı olmak üzere 5 sınıftan oluşan toplam 2521 adet görüntüden oluşmaktadır. Görüntüler veri artırma tekniği kullanılarak çoğaltılmıştır. Çalışmada hibrit yaklaşım tercih edilmiş ve dört farklı derin öğrenme modeli kullanılmıştır. DenseNet, InceptionResNetV2, MobileNet ve Xception olmak üzere seçilen tüm modellerde ImageNet ağırlıkları kullanılarak transfer öğrenmesi gerçekleştirilmiştir. DenseNet ve MobileNet için görüntü girişleri 224x224; Xception ve InceptionResNet için giriş değerleri 299x299'dur. Modellerde toplu boyut 32, global ortalama havuzlama ve tam bağlı katmanlarda aktivasyon fonksiyonu “relu” kullanılmıştır. Tüm modellerin son katmanlarında önce 0.5 değerine sahip bırakma katmanı ardından 1000 nöronlu bir tam bağlantılı katman kullanıldı. Her modelin son tam bağlantılı katmanından 1000 özellik, toplam 4000 özellik Destek Vektör Makinesi (DVM) ile sınıflandırıldı. Rbf çekirdeği ve C:100, gamma=0.001 hiper parametresi ile %92.61 doğruluk, %92.66 kesinlik, %92.54 duyarlılık ve %92.57 F1 ölçümleri elde edildi. Deneysel çalışmalarda RepeatedStratifiedKfold 5 katlı çapraz doğrulama tekniği ve hiper parametreleri optimize eden GridCVSearch yöntemi kullanıldı. Sonuçlar, modelin geleneksel yöntemlere alternatif olabilecek potansiyel bir karar destek sistemi olabileceğini gösterdi.
  • Küçük Resim
    Öğe
    Xception derin öğrenme modeli ve Gabor Filtreleri ile ÇDÖÖE-DVM algoritması kullanılarak mikro ifadelerin tanınması
    (2023) Uzun, Mehmet Zahit; Başaran, Erdal; Çelik, Yüksel
    Mikro ifade (Mİ), insanların riskli bir ortamda bir olaya karşı istemsiz ve kontrolsüz duygusal tepkilerini gizlemeye çalıştıklarında ortaya çıkan sızıntıdır. Duyguyu yaşayan kişi risk altında bunu bastırmaya çalıştığı için yüze yansıması düşük yoğunlukta, belirli bir bölgede ve çok kısa sürede gerçekleşir. İfade istemsizce ortaya çıktığı için sahte değil tamamen doğal olmaktadır. Bu doğal ifadelerin doğru tespiti sayesinde adli, klinik, eğitim gibi birçok alanda etkili bir şekilde kullanılması sağlanabilir. Bu çalışmada Mİ tanıma hedefi için oluşturulan model yapısında sırasıyla önişleme, öznitelik çıkarma, öznitelik seçme ve sınıflandırma görevleri kullanılmıştır. Önerilen model yapısında literatürde en çok kullanılan, kamuya açık Mİ veri setlerinden CASME-II kullanılmıştır. Ön işleme aşamasında Optik Akış algoritmalarında kullanılmak üzere her bir video klipin görüntü dizisinden başlangıç (onset) ve tepe (apex) kareleri seçilir. Bu iki kare kullanılarak Farneback, TV-L1 Dual ve TV-L1 e ait yatay ve dikey optik akış görüntüleri elde edilmiş, ardından bu optik akış görüntüleri evrişimsel sinir ağı (ESA) modeli olan Xception ve geleneksel model olan Gabor modelleri kullanılarak görüntülere ait öznitelikler elde edilmiştir. Elde edilen bu özniteliklere ait ayırt edici olanları filtrelemek için çapraz doğrulama ile özyinelemeli özellik eleme (ÇDÖÖE) öznitelik seçim algoritması kullanılmıştır. Son olarak doğrusal destek vektör sınıflandırıcısı (DVS), filtrelenmiş Mİ özniteliklerini pozitif, negatif ve sürpriz olmak üzere üç sınıfa ayırmıştır. Önerilen Mİ model yapısından elde edilen sonuçlar 0.9248 doğruluk oranı başarısı göstermiştir.