Yazar "Kahraman, İdris" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    3B kent modellerinin hızlı, yüksek kaliteli, düşük veri boyutlu olarak üretimi ve internet tabanlı 3B kampüs bilgi sistemi ile entegrasyonu
    (Karabük Üniversitesi, 2014) Kahraman, İdris; Karaş, İsmail Rakıp
    Bu tez çalışmasında, doku kaplama yöntemleri ve 3B modelleme teknikleri kullanılarak kent modellerinin hızlı, yüksek kaliteli, düşük veri boyutlu olarak üretimi gerçekleştirilmiştir. Söz konusu kent modelleri semantik verilerle ilişkilendirilerek sayısal arazi modeli ile bütünleştirilmiş ve geliştirilen web tabanlı uygulamaların ardından etkin bir 3B Kampüs Bilgi Sistemi uygulaması ortaya konmuştur. Geleneksel doku kaplama yöntemlerinden; yüksek dosya boyutu, gereksiz görüntüler içermesi, perspektif eksikliği, görüntü deformasyonu gibi sebepler yüzünden yeterince verim alınamazken, çalışmada kullanılan Dynamic Pulse Fonksiyonu, mobil cihazlarda dahi sorunsuzca kullanılabilecek kadar hafif, kaliteli ve sorunsuz cephe görüntülerinin elde edilmesini ve doku kaplama işlemlerinin gerçekleştirilmesini sağlamıştır. CityServer3D, CityGML, SketchUp, PHP, CAD, Google Earth gibi veri türü ve teknolojilerin birlikte kullanımıyla geliştirilen Web Tabanlı 3B Kampüs Bilgi Sistemi uygulamasıyla, klasik coğrafi bilgi sistemi uygulamalarının ötesine geçilmiş, 3B sorgu ve analizlerin etkin ve verimli bir şekilde yapılabileceği gösterilmiştir.
  • Küçük Resim
    Öğe
    MİKROSKOBİK GÖRÜNTÜLER ÜZERİNDE DERİN ÖĞRENME KULLANARAK GERÇEK ZAMANLI PROTOZOA TESPİTİ
    (2024-01) Kahraman, İdris
    Tatlı sulardan protozoa tespiti ve sınıflandırılması ve mikroskobik görüntüleme, çevresel izleme, parazitoloji, bilim, biyolojik süreçler ve bilimsel araştırmalarda kritik bileşenlerdir. Suyun bakteriyel ve parazitik kontaminasyonu toplum sağlığında önemli bir rol oynamaktadır. Geleneksel yöntemler genellikle manuel tanımlamaya dayanır, bu da zaman alıcı analizlere ve sınırlı ölçeklenebilirliğe neden olur. Bu çalışmada, olağanüstü hızı ve doğruluğu ile bilinen etkili bir derin öğrenme modeli olan YOLO algoritmasını kullanarak gerçek zamanlı bir protozoa tespit eden bir model önerilmektedir. Çalışmada kullanılan veri seti, tatlı sularda bulunan ve farklı şekil, boyut ve hareketlere sahip olan Bdelloid Rotifera, Sty-lonychia Pustulata, Paramecium, Hypotrich Ciliate, Colpoda, Lepocinclis Acus ve Clathrulina Elegans gibi protozoa türlerinin görüntülerinden oluşmaktadır. Çalışmamızın en önemli özelliklerinden biri, yağmur suyu ve su birikintileri gibi çeşitli su kaynaklarından farklı kültürler oluşturarak bir veri kümesi oluşturmaktır. Ağ mimarimiz, protozoanın tespitini optimize etmek için dikkatlice uyarlanmıştır ve tek hücreli canlıların hassas bir şekilde tespitini ve sınıflandırılmasını sağlar. Modelin başarısını doğrulamak için, gerçek dünya mikroskobik görüntü veri kümeleri kullanılarak kapsamlı deneyler gerçekleştirilmiştir. Sonuçlar, YOLO tabanlı modelin yüksek tespit doğruluğuna ulaştığını ve hız ve hassasiyet açısından geleneksel yöntemlerden önemli ölçüde daha iyi performans gösterdiğini ortaya koymaktadır. Modelin gerçek zamanlı çalışma yetenekleri, büyük ölçekli veri kümelerinin hızlı bir şekilde analiz edilmesini sağlayarak dinamik çalışmalar ve zamana duyarlı uygulamalar için son derece uygun hale getirmektedir. Değerlendirme parametreleri f1-skor 0.95, ortalama kesinlik 0.92, duyarlılık 0.99 ve mAP 0.983 olarak elde edilmiştir. Önerilen model %98 doğruluk oranına ulaşmıştır. Yüksek verimliliğe ulaşıldıktan sonra, modelin test edilmesini sağlamak için bir masaüstü uygulaması geliştirilmiştir. Önerilen modelin hızı ve doğruluğu, paramesiyoloji/parazitoloji çalışmaları için destekleyici bir araçtan su kalitesi değerlendirmelerine kadar çeşitli alanlar için önemli etkilere sahiptir.