Yazar "Borandag, Emin" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • [ X ]
    Öğe
    A hybrid approach based on deep learning for gender recognition using human ear images
    (Gazi Univ, Fac Engineering Architecture, 2022) Karasulu, Bahadir; Yucalar, Fatih; Borandag, Emin
    Nowadays, the use of the human ear images gains importance for the sustainability of biometric authorization and surveillance systems. Contemporary studies show that such processes can be done semi-automatically or fully automatically, instead of being done manually. Due to the fact that deep learning uses abstract features (i.e., representation learning), it reaches quite high performance values compared to classical methods. In our study, a synergistic gender recognition approach based on hybrid deep learning was created based on the use of human ear images in classifying people fully automatically according to their gender. By means of hybridization, hybrid deep neural network architectural models are used, which include both convolutional neural network component and recurrent neural network type components together. In these models, long-short term memory and gated recurrent unit are taken as recurrent neural network type components. Thanks to these components, the hybrid model extracts the relational dependencies between the pixel regions in the image very well. On account of this synergistic approach, the gender classification accuracy of hybrid models is higher than the standalone convolutional neural network model in our study. Two different image datasets with gender marking were used in our experiments. The reliability of the experimental results has been proven by objective metrics. In the conducted experiments, the highest values in gender recognition with hybrid models were obtained with the test accuracy of 85.16% for the EarVN dataset and 87.61% for the WPUT dataset, respectively. Discussion and conclusions are included in the last section of our study.
  • [ X ]
    Öğe
    Gemi Çeşitlerinin Derin Öğrenme Tabanlı Sınıflandırılmasında Farklı Ölçeklerdeki Görüntülerin Kullanımı
    (2022) Kıran, Emirhan; Karasulu, Bahadır; Borandag, Emin
    Günümüzde lojistik ve deniz ulaşımına dayanan ticaret oldukça önem kazanmıştır. Buna dair oluşan trafik göz önüne alındığında gemi çeşitlerinin sınıflandırılarak ayrıştırılması, taşıma, depolama maliyetleri açısından ve güvenlik konusunda önem arz etmektedir. Deniz üzerinde farklı görevleri icra etmekte olan gemilerin sınıflandırılması bu çalışmada ele alınarak, derin öğrenme yöntemleri sayesinde yüksek doğrulukta bir gemi sınıflandırma yapılabilmesi için gemi görüntüleri veri kümesi oluşturulmuştur. Veri kümesinden elde edilen içeriği ifade ederken özniteliklerin daha yüksek seviyeden anlamsal olarak zengin olmasından dolayı, klasik makine öğrenmesi yöntemine kıyasla derin öğrenme çalışmamızda tercih edilmiştir. Derin öğrenme modellerinin eğitiminde ve test edilmesinde kullanılmak üzere bu veri kümesi açık kaynaklı Internet sitelerinden ağ kazıma (web scraping) yöntemi sayesinde çeşitli gemi görüntülerinin edinimi ile oluşturulmuştur. YOLOv5 ve Xception derin öğrenme modelleri eğitilerek en uygun sınıflandırma başarımı elde edilmiştir. Deneyler sonucunda her iki model ile yaklaşık olarak %96 ilâ %99 arası doğruluk oranında başarım değerine ulaşılmıştır. Varılan bilimsel bulgulara ve tartışmaya çalışmamızda yer verilmektedir.