ASD automatic detection by using yolo V3 and V4 method
Yolo V3 ve V4 yöntemi kullanarak ASD otomatik tespit
- Tez No: 799874
- Danışmanlar: Assist. Prof. Dr. MESUT ÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay Zeka Endeksi, Artificial Intelligence Index
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
ASD, sinirleri, özellikle beyni etkileyen bir hastalıktır. En önemlilerinden biri özellikler veya özellikler sosyal eksiklikler ve iletişim güçlüğüdür. Çoğu durumda, teşhis, uzun zaman alan davranış analizine ve ayrıca etkilenen kişinin işbirliği. Otizmi çok erken teşhis etmek gerekiyor ki bu da gelecekte kolay tedavi ve semptomların giderilmesi için. Derin öğrenme ve makine öğrenimi özellikle otizm ile ilgili hastalıkların tespitinde önemli bir rol haline gelmiştir. spektrum bozukluğu veya hiperaktivite, yüz görüntüleri veya video aracılığıyla bilgisayar uygular Derin öğrenme algoritmalarının en önemli özelliği nesnedir. algılama ve özellik çıkarma (CNN) Evrişimli kullanım ve eğitim üzerinde çalıştığı yer sinir ağları ve ayrıca görüntüleri işler. Bilim hızla gelişti, özellikle derin öğrenme ve makine öğreniminin yanı sıra kullanılan algoritmalarla ilgili olarak resimlerde veya videolarda bulunan şeyleri, özellikle bunlarla ilişkili olanları algılar. şeyleri sınıflandırdığı ve sıraladığı evrişimli sinir ağları ile toplamak canlı organizmalar ve trafik ışıkları gibi birçok şeye bölünür ve bu, fotoğrafları kullanarak otizmin tespiti. Yolo Sadece bir kez bakarsın, Bu model veya algoritma kendi veri setimiz üzerinde öğretilebilir veya yönlendirilebilir bir veri seti ve biz nesneleri görüntüler veya video klipler. Burada, görüntüleri aracılığıyla ASD'yi tespit edebilen bir model oluşturduk. Kullanılan 2936 görüntüden oluşan veri setinden elde ettiğimiz yüz, her bir görüntü diğer görüntüden boyut ve aydınlatma şiddeti açısından farklılık göstermekte, görüntüleri ve otizmi tespit etme sürecinin doğruluğunu ayırt eder. Sonrasında elimizdeki veriler üzerinde birçok kez eğitim, Elde ettiğimiz MAP=88,7% ortalama sonuçlarımız kayıp oranı %0,91 oldu
Özet (Çeviri)
ASD is a disorder that affects the nerves, specifically the brain. One of its most important features or features is social deficits and difficulty communicating. In most cases, the diagnosis depends on behavioral analysis, which takes a long time, and also on the cooperation of the affected person. It is necessary to detect autism very early, which leads to easy treatment and relief of symptoms in the future. Deep learning and machine learning have become an important role in detecting diseases, especially with regard to autism spectrum disorder or hyperactivity., whether through facial images or video, where the computer applies The most important characteristic of deep learning algorithms is object detection and feature extraction (CNN) Where it works on using and training convolutional neural networks, and also processes images. Science has developed rapidly, especially with regard to deep learning and machine learning, as well as the algorithms that are used to detect things that are in pictures or videos, especially those that are associated with collecting them with convolutional neural networks, where things are classified and sorted into several things such as living organisms and traffic lights, and this is what happens in the detection of autism using photos. Yolo You only look once, This model or algorithm can be taught or coached on our own data set a data set and we detect objects through images or video clips. Here we built a model capable of detecting ASD Through images of the face, we obtained from the data set used, which consists of 2936 images, each image differs from the other image in terms of dimensions and intensity of lighting, in order to distinguish between the images and the accuracy of the process of detecting autism. After training many times on the data we have, Our obtained results of MAP=88.7% The average loss rate was 0.91%
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Göz hastalıklarının görüntü işleme ve derin öğrenme yöntemleriyle otomatik tespiti
Automatic detection of eye diseases using image processing and deep learning methods
MURAT FIRAT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEDA ŞAHİN
- Örme kumaşlardaki üretim hatalarının görüntü işleme teknikleri ile otomatik tespiti ve sınıflandırılması
Automatic fault detection and classification of knitted fabrics using image processing techniques
VOLKAN ATMACA
Yüksek Lisans
Türkçe
2005
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ŞENİZ ERTUĞRUL
DOÇ. DR. NURAY UÇAR
- Dinamik algılayıcı öğrenme algoritması ile kenar saptamanın öğrenilmesi
Learning of edge detection using recurrent perceptron learning algorithm
FİLİZ YOSMA TAŞKIN
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ
- Hibrit konuşma aktivite tespiti kullanılarak D-vektör tabanlı bir konuşmacı diyarizasyon sisteminin tasarlanması
Implementation of a D-vector based speaker diarization system using hybrid voice activity detection
YUNUS KORKMAZ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYTUĞ BOYACI