Makine öğrenmesi yöntemleri kullanılarak çizgi karakter tespiti

Basit Öğe Kaydı
dc.authorid0000-0002-9592-7110en_US
dc.contributor.advisorGüvenoğlu, Erdal
dc.contributor.advisorTunalı, Volkan
dc.contributor.authorTümer, Candan
dc.date.accessioned2024-07-12T21:37:14Z
dc.date.available2024-07-12T21:37:14Z
dc.date.issued2024en_US
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.description.abstractÇizgi karakterler, süper kahramanlar ve karikatür karakterleri hem çizgi filmlerde hem de çizgi romanlarda kullanılmaktadır. Bu karakterler yaratıcılarının hayal dünyalarına ya da hikayenin gidişatına göre farklı şekillerde çizilebilmektedirler. Bu nedenle makine öğrenmesinde çizgi karakter tespiti, insan tespitinden farklıdır ve otomatik olarak algılanması ve tespit edilmesi zordur. Çizgi karakterlerin otomatik olarak algılanması ve tanınması son yıllarda önemli derecede ilgi görmektedir. Bu çalışmada makine öğrenmesi tekniklerinin kullanılmasıyla çizgi karakterlerin yüksek doğrulukla tespit edilmesi ve yeni bir çizgi karakter veri setinin literatüre kazandırılması amaçlanmıştır. Araştırmada makine öğrenmesi teknikleriyle Evrişimli Sinir Ağları tabanlı görüntü sınıflandırması ve nesne tespiti yapılmıştır. Görüntü sınıflandırma yöntemi için çoklu etiketleme kullanılarak uçtan uca yeni bir mimari tasarlanmıştır. Nesne tespiti yöntemi için de YOLOv8 kullanılarak karakter tespiti yapılmıştır. Oluşturulan KralSakir çizgi karakter veri setinin en önemli özelliği ulusal olarak ilk defa ülkemizde hazırlanmasıdır. KralSakir veri seti üzerinde çalışılan modeller, performans ölçüm yöntemleri, analiz edilen metriklerin sonuçları ayrıntılı bir şekilde açıklanmıştır. Modellerin çıktıları değerlendirilerek görselleştirilmiş ve iki model arasındaki farklara değinilmiştir. Deneysel sonuçlarda, KralSakir veri setinde her iki yöntemin çizgi karakter tanımada başarılı olduğu görülmüştür.en_US
dc.description.abstractCartoon characters, superheroes and caricature characters are used in both cartoons and comics. These characters can be drawn in different ways according to the imagination of their creators or the course of the story. For this reason, cartoon character detection in machine learning is different from human detection and is difficult to automatically detect and recognize. The automatic detection and recognition of cartoon characters has received considerable attention in recent years. In this study, it is aimed to detect cartoon characters with high accuracy using machine learning techniques and to introduce a new cartoon character dataset to the literature. In the research, Convolutional Neural Networks based image classification and object detection were performed with machine learning techniques. For the image classification method, a new end-to-end architecture was designed using multiple labeling. For the object detection method, character detection was performed using YOLOv8. The most important feature of the KralSakir cartoon character dataset is that it is prepared nationally for the first time in our country. The models studied on the KralSakir dataset, performance measurement methods, and the results of the analyzed metrics are explained in detail. The outputs of the models are evaluated and visualized and the differences between the two models are mentioned. Experimental results show that both methods are successful in cartoon character recognition on the KralSakir dataset.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12415/6719
dc.publisherMaltepe Üniversitesi, Lisansütü Eğitim Enstitüsüen_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.snmzKY09721
dc.subjectÇizgi karakter tanımaen_US
dc.subjectUçtan uca mimarien_US
dc.subjectMakine öğrenmesien_US
dc.subjectÇoklu sınıflandırmaen_US
dc.subjectNesne tespitien_US
dc.subjectDerin öğrenmeen_US
dc.titleMakine öğrenmesi yöntemleri kullanılarak çizgi karakter tespiti
dc.title.alternativeDetection of comic character using machine learning methods
dc.typeThesis
dspace.entity.typePublication

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Candan_Tümer_Makine_Öğrenmesi_Yöntemleri.pdf
Boyut:
4.69 MB
Biçim:
Adobe Portable Document Format
İndir

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu