Arşiv logosu
  • Türkçe
  • English
  • Giriş
    Yeni kullanıcı mısınız? Kayıt için tıklayın. Şifrenizi mi unuttunuz?
Arşiv logosu
  • Koleksiyonlar
  • Sistem İçeriği
  • Analiz
  • Talep/Soru
  • Türkçe
  • English
  • Giriş
    Yeni kullanıcı mısınız? Kayıt için tıklayın. Şifrenizi mi unuttunuz?
  1. Ana Sayfa
  2. Yazara Göre Listele

Yazar "Tokmak, Mahmut" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
Sayfa Başına Sonuç
Sıralama seçenekleri
  • [ X ]
    Öğe
    Classification of Some Species of Shrikes Family by Convolutional Neural Networks
    (Kutbilge Akademisyenler Derneği, 2021) Tokmak, Mahmut; Kıraç, Akın
    Birds are an integral part of nature and are extremely important to nature. Bird species classification is gaining more and more attention in the field of computer image processing due to its promising applications in biology and environmental research. Classification of bird species requires a challenging process as it is done by traditional methods in nature. In this study; Three species belonging to the genus Lanius from the Shrikes-family were classified using Convolutional Neural Networks and Resnet architecture. As a result; An accuracy of 96.52% was achieved with the tests performed for the classification. It has been observed that this method is successful in recognizing and classifying species belonging to the same genus that are difficult to distinguish
  • [ X ]
    Öğe
    Konvolüsyonel Sinir Ağları ile Ichneumonidae (HYMENOPTERA) Alt Familyarının Belirlenmesi
    (Türk Eğitim-Sen, 2022) Kıraç, Akın; Tokmak, Mahmut
    Teknolojik gelişmeler; akıllı mobil cihazlar, dijital kameralar gibi gereçlerin artmasına ve yaygın olarak kullanımına vesile olmuştur. Bu gelişmeler Derin Öğrenme gibi modern makine öğrenimi yöntemleriyle birlikte biyolojik görüntü verilerindeki artışı da beraberinde getirmiştir. Bu hızlı artış, otomatikleştirilmiş tür tanımlaması için araştırmacılara fırsatlar sunmaktadır. Bu çalışmada; Ichneumonidae alt familyalarının belirlenmesi için Derin Öğrenme yöntemlerinden biri olan konvolüsyonel sinir ağlarına odaklanılmıştır. Bu işlem için ResNet-152 konvolüsyonel sinir ağı mimarisi kullanılmıştır. Deneysel çalışmalar sonucunda %91.35 oranında doğruluk elde edilmiştir

| Çanakkale Onsekiz Mart Üniversitesi | Kütüphane | Açık Erişim Politikası | Rehber | OAI-PMH |

Bu site Creative Commons Alıntı-Gayri Ticari-Türetilemez 4.0 Uluslararası Lisansı ile korunmaktadır.


Çanakkale Onsekiz Mart Üniversitesi, Çanakkale, TÜRKİYE
İçerikte herhangi bir hata görürseniz lütfen bize bildirin

DSpace 7.6.1, Powered by İdeal DSpace

DSpace yazılımı telif hakkı © 2002-2025 LYRASIS

  • Çerez Ayarları
  • Gizlilik Politikası
  • Son Kullanıcı Sözleşmesi
  • Geri Bildirim