Akademik Veri Yönetim Sistemi
Tez Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği, Türkiye
Tez Danışmanı: Barış Özyer
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Desteklendiği Program: Bu tezi destekleyen bir program bulunmamaktadır
Özet:
Amaç: Tezin amacı yüz görüntülerinden geometrik öznitelikler çıkarılarak çocuklardaki dikkat eksikliği ve hiperaktivite bozukluğunun denetimli makine öğrenme algoritmaları ile tespiti ve literatürde yaygın olarak kullanılan sınıflandırma algoritmalarının başarı oranlarının analizidir. Bu amaç doğrultusunda yüz görüntü verilerinin toplanacağı ve analizlerin yapılacağı bilgisayarlı görü tabanlı mobil uygulama sistemi geliştirilmiştir.
Yöntem: Bu çalışma kapsamında ilk olarak yüz görüntülerinden geometrik öznitelikler çıkarılmıştır. Yüz üzerindeki farklı bölgelerde bulunan iki boyutlu noktalar FaceNet modeli kullanılarak elde edilmiştir. Sonrasında yüz hizalama ağı kullanılarak iki boyutlu noktalar yüz görüntülerinden 3 boyutlu yüz görüntüleri ve yüz üzerindeki noktalar elde edilmiştir. Elde edilen noktalar arasında uzunluk ve oranlar öznitelik vektörleri olarak belirlenmiştir. K-Best, rasgele karar ormanları, modelden seçim ve T-Test yöntemleri ile öznitelik seçimi gerçekleştirilmiştir. K en yakın komşu, naive bayes ve destek vektör makineleri yöntemleri sınıflandırma aşamasında kullanılmıştır. İnternet ortamından elde edilen yüz görüntülerinden veri seti oluşturulmuştur. Bilgisayarlı görü tabanlı algoritmaların ve makine öğrenmesi yöntemlerinin kullanıldığı bir mobil uygulama geliştirilmiştir.
Bulgular: Öznitelik vektörleri arasında en yüksek başarı yüzdesi, yüz üzerindeki tüm uzunlukların kullanıldığı 2 boyutlu öznitelik vektörünün rastgele karar ormanları öznitelik seçimi yöntemi ile beraber destek vektör makineleri algoritmasının uygulandığı analiz sonucunda %80 doğruluk elde edilmiştir. 3 boyutlu öznitelik vektörü için destek vektör makineleri ile %65 doğruluk elde edilmiştir. Öznitelik sayısının düşük olduğu veri setlerinde k en yakın komşu ve modelden seçim algoritmalarının beraber kullanılması, öznitelik sayısının yüksek olduğu veri setlerinde ise destek vektör makineleri ve rastgele karar ağaçları algoritmalarının beraber kullanımının başarı sonucunu artıracağı söylenebilir.
Sonuç: Sınıflandırma işlemlerinden elde edilen veriler doğrultusunda öznitelik seçiminin sınıflandırma işlemine olumlu etkilerinin olduğu görülmüştür. Yüzden çıkarılan geometrik öznitelikler ile dikkat eksikliği ve hiperaktivite bozukluğu hastalığı arasında bir korelasyon olduğu gözlemlenmiştir.