Derin transfer öğrenimi yaklaşımı ile kamusal alanda medikal maske kullanımının otomatik kontrolü

Basit Öğe Kaydı
dc.authorid0000-0001-5535-4832en_US
dc.authorid0000-0002-9368-8902en_US
dc.contributor.authorPolat, Hasan
dc.contributor.authorÖzerdem, Mehmet Siraç
dc.date.accessioned2022-11-15T12:35:40Z
dc.date.available2022-11-15T12:35:40Z
dc.date.issued2021en_US
dc.departmentDicle Üniversitesi, Mühendislik Fakültesi, Elektrik Elektronik Mühendisliği Bölümüen_US
dc.description.abstractUluslararası kamu sağlığı acil durumu olan COVID-19 hastalığının başlıca bulaşma yolları, solunum damlacıkları ve fiziksel temastır. Hastalığın yayılımını önlemek ve salgınla mücadele etmenin kapsamlı stratejilerinden biri olarak kamusal alanda medikal maske kullanımı birçok toplumda zorunlu kılınmıştır. Bu kapsamda, kamusal alanda medikal maske kullanımının otomatik olarak kontrolü, salgınla mücadelede önem arz etmektedir. Bu çalışmada, transfer öğrenimi yaklaşımı ile kamusal alandan alınan görüntülerden medikal maske kullanımının otomatik olarak tespit edilmesi amaçlanmıştır. Derin mimariye transfer öğrenimi yaklaşımı uygulanarak, öğrenilmiş parametrelerinin ince ayarı ile medikal maske tespitinde etkili çözümlerin elde edilmesi amaçlanmıştır. Medikal maske kullanımının otomatik olarak tespitinde, Human in the Loop (HITL) tarafından erişime açık olarak sunulan görüntüler kullanılmıştır. SqueezeNet tabanlı transfer öğrenimi yaklaşımı ile %99,20 oranında sınıflandırma doğruluğu elde edilmiştir. ROC eğrisi altında kalan alanın (AUC) büyüklüğü ise 0,998 olarak elde edilmiştir. Ayrıca, transfer öğrenimi yaklaşımının üstünlüğünü vurgulamak için eğitilmiş parametre içermeyen SqueezeNet mimarisi de aynı veri seti üzerinde uygulanmış ve elde edilen performans değerleri karşılaştırılmıştır. Sınırlı sayıda görüntü veri kümesi üzerinde eğitilen mimari ile sınıflandırma doğruluğu ve AUC performansları sırasıyla %94,75 ve 0,976 olarak elde edilmiştir. Transfer öğrenimi yaklaşımı ile çok kısa sürede eğitilen derin mimarinin medikal maske kullanımı tespitinde etkileyici bir performans sergilediği gözlemlenmiştir.en_US
dc.description.abstractThe main transmission routes of COVID-19, an international public health emergency, are respiratory droplets and physical contact. As one of the comprehensive strategies to prevent and fight against disease the outbreak, the use of medical masks in the public sphere has been made mandatory in many societies. In this context, automatic control of the use of medical masks in the public sphere is crucial in the fight against the outbreak. This study aimed to detect the use of medical masks automatically from images of the public sphere by the transfer learning approach. By transfer learning approach to deep architecture, it is aimed to obtain effective solutions in medical mask detection with fine-tuning of pre-trained parameters. The image data set offered by Human in the Loop (HITL) as open access was used for the automatic detection of medical masks. The SqueezeNet based on transfer learning approach proposed in this study achieved a classification accuracy of 99.20%. In addition, the AUC (area under the ROC curve) value was found as 0.998. To emphasize the superiority of the transfer learning approach, the SqueezeNet architecture, which does not contain trained parameters, was also applied to the same data set and the obtained performance metrics were compared. The model trained from scratch on a limited number of image dataset offered classification accuracy and AUC performances as 94.75% and 0.976, respectively. As a result, it has been observed that the deep architecture, which has been trained in a very short time with the transfer learning approach, has an impressive performance in detecting the use of medical masks.en_US
dc.identifier.citationPolat, H. ve Özerdem, M. S. (2021). Derin transfer öğrenimi yaklaşımı ile kamusal alanda medikal maske kullanımının otomatik kontrolü. Türk Doğa ve Fen Dergisi, 10(2), 191-198.en_US
dc.identifier.doi10.46810/tdfd.948098
dc.identifier.endpage198en_US
dc.identifier.issn2149-6366
dc.identifier.issue2en_US
dc.identifier.startpage191en_US
dc.identifier.trdizinid502509
dc.identifier.urihttps://search.trdizin.gov.tr/yayin/detay/502509
dc.identifier.urihttps://hdl.handle.net/11468/10750
dc.identifier.urihttps://search.trdizin.gov.tr/yayin/detay/502509
dc.identifier.volume10en_US
dc.indekslendigikaynakTR-Dizin
dc.institutionauthorÖzerdem, Mehmet Siraç
dc.language.isotren_US
dc.publisherBingöl Üniversitesi Fen Bilimleri Enstitüsüen_US
dc.relation.ispartofTürk Doğa ve Fen Dergisi
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectTransfer öğrenimien_US
dc.subjectDerin öğrenmeen_US
dc.subjectSqueezeNeten_US
dc.subjectSınıflandırmaen_US
dc.subjectGörüntü işlemeen_US
dc.subjectCOVID-19en_US
dc.subjectTransfer learningen_US
dc.subjectDeep learningen_US
dc.subjectClassificationen_US
dc.subjectImage processingen_US
dc.titleDerin transfer öğrenimi yaklaşımı ile kamusal alanda medikal maske kullanımının otomatik kontrolüen_US
dc.titleDerin transfer öğrenimi yaklaşımı ile kamusal alanda medikal maske kullanımının otomatik kontrolü
dc.title.alternativeAutomatic control of using medical mask in public space by deep transfer learning approachen_US
dc.title.alternativeAutomatic control of using medical mask in public space by deep transfer learning approach
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Derin Transfer Öğrenimi Yaklaşımı ile Kamusal Alanda Medikal Maske.pdf
Boyut:
1.23 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Makale Dosyası
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
[ X ]
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Elektrik Elektronik Mühendisliği Bölümü Koleksiyonu
TR-Dizin İndeksli Yayınlar Koleksiyonu