Yazar "Erbir, Muhammed Ali" seçeneğine göre listele

Listeleniyor 1 - 5 / 5
  • Küçük Resim
    Öğe
    Android ve web tabanlı uzaktan araç denetleyici tasarımı
    (Kırıkkale Üniversitesi, 2015) Erbir, Muhammed Ali; Ünver, Halil Murat
    Bu çalışmada, IP protokolle haberleşen bir kontrol sistemi tasarlanmıştır. Kontrol edilmek üzere bir otomobil uygulama platformu olarak seçilmiştir. Aracın donanımı ile haberleşmek ve onları kontrol etmek üzere Arduino denetleyici, otomatik marş modülü ve röleler kullanılmıştır. Hem kablolu hem kablosuz kullanılabilmesi, pratik ve ucuz olması, günlük hayatta çokça kullanılan cihazlarımızla rahatlıkla bağlanılabilmesi gibi avantajları sebebiyle IP protokol, haberleşme teknolojisi olarak kullanılmıştır. Hemen her bilgisayar ve telefon cihazı aracılığıyla rahatlıkla kontrol edebilmesi amacı ile HTML ve Android olmak üzere iki farklı kontrol ara yüz hazırlanmıştır. Sistem gerçek hayatta sıradan bir araca tatbik edilmiş, denenmiş ve başarılı sonuçlar alınmıştır. Sistemin test edildiği aracın, kapı kilitleri, farları, kornası, dörtlü sinyalleri ve motor çalışma durumu başarılı bir şekilde kontrol edilmiştir.
  • [ X ]
    Öğe
    Control of A Car, Via Internet
    (Kırıkkale Üniversitesi, 2018) Erbir, Muhammed Ali; Ünver, Halil Murat
    Internet and mobile devices such as phones, tablets, and even wearable goods are getting more popular day by day. Embedded system technology offers fast, cheap, and optimized solutions for designers with its wide portfolio. This study demonstrates a remote-control application of a car via internet platform. An embedded system was designed with an Arduino card to interact with the car hardware and an android application was developed to control the car. The car was controlled by the android application via an internet connected embedded system successfully.
  • [ X ]
    Öğe
    Derin öğrenme tabanlı görüntü işleme ile nesne tanıma yöntemlerinde başarım oranı artırma
    (Kırıkkale Üniversitesi, 2021) Erbir, Muhammed Ali; Ünver, Halil Murat
    Bu çalışmada, imajların dijital ortama aktarılması, dijital imajlar üzerinde düşük, orta ve ileri seviye işlemlerin nasıl yapıldığı irdelenmiştir. Yıllar içerisinde görüntü işleme ve görüntülerde nesne tanımaya yönelik çalışmalar özetlenmiştir. Makine öğrenimi ve derin öğrenmenin görüntü işleme alanı ile olan etkileşimi açıklanmıştır. Bilgisayar görüsü yordamıyla hedef nesnelerin imaj içerisinde varlığı tespit edilirken başarıyı artırmaya yönelik teknikler teklif edilmiştir. Yüz tanıma alanında yaygın kullanılan veri setleri karşılaştırılmıştır ve çalışma için VGGFace2 ve LFW veri setleri seçilmiştir. Derin öğrenmede yaygın kullanılan hazır modeller irdelenerek, aralarından 4 tanesi (AlexNet, SqueezeNet, MobileNetV2, InceptionV3) seçilmiş ve çalışılmıştır. Histogram dengeleme, eğitim veri seti genişletme, yüze ait olmayan kısımların çıkartılması, imajların dikey konumlandırılması, öğrenme hiper parametrelerinin düzenlenmesi gibi tekniklerin transfer öğrenmedeki başarıya etkisi araştırılmış ve faydalı sonuçlara ulaşılmıştır. Sonuç olarak LFW veri setinde %100 başarılı öğrenme VGGFace2 100 kişilik alt veri setinde ise %95,47'lik doğruluk seviyesine sahip bir model eğitilmiştir.
  • [ X ]
    Öğe
    The Do's and Don'ts for Increasing the Accuracy of Face Recognition on VGGFace2 Dataset
    (Springer Heidelberg, 2021) Erbir, Muhammed Ali; Unver, Halil Murat
    In this study, developments in face recognition are examined. Some methods are presented to increase the accuracy rate in face recognition by using transfer learning with VGGFace2 dataset and 4 different CNN models. While some of these tested offers decreased the accuracy rate, some of them increased. Effects of histogram balancing, expanding the training data, extracting the effect of non-facial portions of images and vertically aligning images on the accuracy rate were determined and compared to the accuracy rates of original images. As the optimal solution, transfer learning from the InceptionV3 model was preferred, vertical positioning was made, and an accuracy rate of 95.47% was achieved when 10% of the images were used for testing and 90% for training in a 100 people subset of VGGFace2 dataset. In LFW, one of the widely used datasets in the literature, an accuracy rate of 100% has been achieved by exceeding the highest accuracy achieved so far and all images in the LFW database have been recognized without any problems.
  • [ X ]
    Öğe
    The Do’s and Don’ts for Increasing the Accuracy of Face Recognition on VGGFace2 Dataset
    (Springer Science and Business Media Deutschland GmbH, 2021) Erbir, Muhammed Ali; Ünver, Halil Murat
    In this study, developments in face recognition are examined. Some methods are presented to increase the accuracy rate in face recognition by using transfer learning with VGGFace2 dataset and 4 different CNN models. While some of these tested offers decreased the accuracy rate, some of them increased. Effects of histogram balancing, expanding the training data, extracting the effect of non-facial portions of images and vertically aligning images on the accuracy rate were determined and compared to the accuracy rates of original images. As the optimal solution, transfer learning from the InceptionV3 model was preferred, vertical positioning was made, and an accuracy rate of 95.47% was achieved when 10% of the images were used for testing and 90% for training in a 100 people subset of VGGFace2 dataset. In LFW, one of the widely used datasets in the literature, an accuracy rate of 100% has been achieved by exceeding the highest accuracy achieved so far and all images in the LFW database have been recognized without any problems. © 2021, King Fahd University of Petroleum & Minerals.