Yazar "Uzun, Mehmet Zahit" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • Küçük Resim Yok
    Öğe
    Micro-Expression Recognition by Using CNN Features with PSO Algorithm and SVM Methods
    (Int Information & Engineering Technology Assoc, 2022) Uzun, Mehmet Zahit; Celik, Yuksel; Basaran, 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 Yok
    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.
  • Küçük Resim
    Öğe
    YAPAY ZEKA TEKNİKLERİ KULLANILARAK MİKRO İFADELERİN TESPİTİ VE SINIFLANDIRILMASI
    (2023-06) Uzun, Mehmet Zahit
    Mikro ifade, duyguların maskelenmek istenip bastırılmaya çalışıldığı sırada kontrol edilemeyip istemsizce sızıntı şeklinde oluşan, tamamen gerçek duyguların yansıması, kısa süreli yüz kas hareketidir. Yüzün sadece bir kısmında görülen düşük yoğunluklu bu ifadeleri tespit etmek ve tanımak klinik, adli, ulusal güvenlik, gümrük, iletişim, eğitim, ticari, siyasi gibi birçok alanda hayati önem arz etmektedir. Bu alanda uzmanlaşmamış insanların bu ifadeleri fark etme oranları %32 gibi çok düşükken, uzman kişiler için bile mikro ifade belirleme oranı %47’dir ve bu oran çok yüksek değildir. Mikro ifade tanıma yapılamadığı takdirde klinik hastalarında intihar, gümrüklerde kaçakçılık, hukukta adaletsiz yargılama gibi hayati olaylar yanlış yorumlanıp olumsuz neticelere sebebiyet verebilir. Mikro ifade tespit ve tanınması uzman tarafından video klip karelerinin saatler süren uzun ve detaylı bir şekilde analiz edilmesi gerekmektedir. Kamuda ve özel sektörde mikro ifade alanında yetişmiş uzman kişilerin varlığı çok olmadığı gibi saatler süren eğitim sonunda bile istenilen verim elde edilememektedir. Bu tez çalışmasında yapay zeka metotlarından faydalanılarak mikro ifade video klip görüntülerinde duyguların belirlenmesine çalışılmıştır. Önerilen model çalışmalarının ikisinde kamuya açık veri setlerinden en popüler olan CASME II, SAMM, SMIC de bulunan örnekler birleştirilip bileşik yeni bir veri seti kullanılırken, önerilen bir diğer model çalışmasında ise CASME II veri seti kullanılmıştır. İlk olarak SAMM veri setindeki örneklerde yüz algılama, hizalama ve kırpma işlemleri ile yüz bölgesini çıkarma, SMIC veri setindeki video kare dizilerinde ifadenin en yoğun olduğu tepe (apex) karesinin indeks konumları tespit etme işlemleri gerçekleştirilmiştir. Ardından TV-L1 ve Farneback optik akış teknikleri ile her video klip kare dizisi için tepe ve başlangıç(onset) kare farkından yararlanılarak mikro ifade hareket bilgisi elde edilmiştir. Görüntülere ait özellik haritalarının çıkarılmasında, veriye dayalı derin öğrenme yöntemlerinden VGG-16, AlexNet, SqueezeNet, MobilNetV2, EfficentNetB0, DenseNet121, DenseNet169, DenseNet201, Xception Evrişimsel Sinir Ağı (ESA) modelleri ve geleneksel yöntemlerden Gabor filtresinden deneysel çalışmalarda faydalanılmıştır. ESA modellerinde transfer öğrenme ile ImageNet’e ait öğrenilmiş ağ ağırlıklarından yararlanılmıştır. Özellik seçimi için çalışmaya ait deneylerde Parçacık Sürü Optimizasyonu (PSO), Özyinelemeli Özellik Eleme (ÖÖE) ve Çapraz Doğrulama ile Özyinelemeli Özellik Eleme (ÇDÖÖE) algoritmaları, sınıflandırma sürecinde ise Destek Vektör Makineleri (DVM)’nin doğrusal, quadratic, finegaussian, cubic çekirdekleri kullanılmıştır. Sonuç olarak; önerilen üç model içerisinde en başarılı sonuçlar CASME II veri seti ile birlikte sırasıyla Xception ESA modeli, ÇDÖÖE özellik seçim algoritması ve doğrusal DVM sınıflandırıcısından oluşan mikro ifade duygu tanıma modelinden %92.48 doğruluk performansı elde edilmiştir.