Yazar "Kaya, Atakan" seçeneğine göre listele

Listeleniyor 1 - 5 / 5
  • Küçük Resim
    Öğe
    Implementation of CNN based COVID-19 classification model from CT images
    (IEEE, 2021) Kaya, Atakan; Atas, Kubilay; Myderrizi, Indrit
    The number of COVID-19 patients around the globe is increasing day by day. Statistics show that even after almost 10 months from outbreak, number of the total patients has not reached to its peak value yet. Easy spreading of the virus among people causes high number of patients at the same time. Accelerating the reduction in spread is of vital importance. In order to achieve this reduction, early diagnosis of the disease and the number of tests and scans to be performed frequently becomes important. In this paper, a comprehensive model examination is made to overcome COVID-19 diagnosing problem. Using CT images, data augmentation technique is applied first in the pre-processing section and then pre-trained deep CNN networks perform the classification. The model is tested using various networks and high accuracy results of 96.5% and 97.9% are obtained for VGG-16 and EfficientNetB3 networks, respectively.
  • Küçük Resim
    Öğe
    LIDAR-AIDED TOTAL VARIATION REGULARIZED NONNEGATIVE TENSOR FACTORIZATION FOR HYPERSPECTRAL UNMIXING
    (Institute of Electrical and Electronics Engineers Inc., 2021) Kaya, Atakan; Atas, Kubilay; Kahraman, Sevcan
    Hyperspectral unmixing (HU) is an important research field in hyperspectral image processing. In recent years, Nonnegative Tensor Factorization (NTF)-based methods have gained great importance in remote sensing imagery, especially hyperspectral unmixing, regardless of any information loss. Nevertheless, NTF has some disadvantages, such as signal-to-noise ratio (SNR) and noncovexity conditions. Mentioned problem can be solved by introducing some spatial regularizations. On the other hand, LiDAR data provides Digital Surface Model (DSM) information gives accurate elevation information about the observed scene. Moreover, total variation (TV)-based regularization provides piecewise smoothness and it preserve edge structure information in the abundance maps. However, this property could be inappropriate for pixels located in edges. LiDAR-DSM alleviates this problem by contributing neighboring objects pixels differently. In this paper, we proposed a simple yet efficient HU framework that incorporates LiDAR data with TV regularized matrix-vector NTF method (LiMVNTF-TV). Experimental studies are carried out on simulation data sets and demonstrate that the proposed framework can provide better abundance estimation maps. © 2021 IEEE.
  • Küçük Resim
    Öğe
    LiDAR-Tabanlı toplam değişinti kısıtlı negatif-olmayan tensör faktörizasyonu ile hiperspektral karışım giderimi
    (Pamukkale Üniversitesi, 2023) Ataş, Kubilay; Kaya, Atakan; Kahraman, Sevcan
    Spektral karışım giderimi hiperspektral görüntülemenin temel araştırma alanlarından birisidir. Son yıllarda Negatif-olmayan Tensör Faktörizasyonuna dayalı yaklaşımlar, bilgi kaybına uğratmadığı ve hiperspektral görüntüleri daha iyi temsil edebildiği için uzaktan algılamada büyük bir önem kazanmıştır. Toplam Değişinti yaklaşımı ise, parçalı pürüzsüzlüğü sağlarken kenar bilgisini de korumaktadır. Öte yandan, kızılötesi algılayıcısı gözlemlenen sahne hakkında yükseklik bilgisini veren Dijital Yüzey Modeli verisini sağlamaktadır. Bu çalışmada, LiDAR Dijital Yüzey Modeli bilgisiyle Toplam Değişinti kısıtı birleştirilerek hiperspektral görüntülerin uzamsal çözünürlüğünü artırmak için tensör faktörizasyonuna dayalı karışım giderimi gerçekleştirilmiştir. Deneysel çalışmalar simülasyon ve gerçek veri setleri üzerinde denenmiş ve uzamsal çözünürlüğü artırılmış hiperspektral görüntüler elde edilmiştir. Elde edilen sonuçlar, literatürdeki en yakın çalışma olan Toplam Değişinti kısıtlı Negatifolmayan Matris-Vektör Tensor Faktörüzasyonu yöntemi ile karşılaştırılmış ve önerilen yöntemin daha iyi performans sergilediği gözlemlenmiştir.
  • Küçük Resim
    Öğe
    Thermal Energy Storage Technologies for Sustainability: Systems Design, Assessment and Applications
    (İstanbul Gelişim Üniversitesi Yayınları / Istanbul Gelisim University Press, 2020) Noberi, Cansu; Şentürk, Kenan; Halat, Oğuzhan Murat; Kaya, Atakan
    Thermal Energy Storage Technologies for Sustainability: Systems Design, Assessment and Applications Authors: S. KALAISELVAM, R. PARAMESHWARAN ISBN: 9780124172913
  • Küçük Resim
    Öğe
    Yapay Sinir Ağı Tabanlı Model ile X-ray Görüntülerinden Covid-19 Teşhisi
    (Gazi Üniversitesi, 2023) Ataş, Kubilay; Kaya, Atakan; Myderrizi, Indrit
    Dünyadaki koronavirüs hasta sayısı her geçen gün artmaktadır. Hastalığın ortaya çıkışının üzerinden bir seneden fazla zaman geçmesine rağmen istatistiklere göre henüz hasta sayısındaki zirve görülmemiştir. Hasta sayısındaki artışın zamana yayılması hastane doluluk oranlarının tehlikeli boyutlara ulaşmasını önlemek için önemlidir. Bu nedenle virüsü taşıyan bireylerin hızlıca teşhis edilerek hastalık geçene kadar toplumdan soyutlanmaları gerekmektedir. Bu çalışmada X-ray görüntüsü kullanılarak yapılabilecek hızlı hastalık teşhisi için kapsamlı bir yapay sinir ağı tabanlı model önerilmiştir. Koronavirüsün akciğerler dokularında yarattığı tahribattan yararlanılarak teşhis işlemi saniyeler içerisinde yapılabilmektedir. Çalışmaya konu olan model, X-ray görüntülerini ön-işlemlerden geçirerek iyileştirmekte ve çoğullamaktadır. DenseNet201, ResNeXt-101(32×8d), VGG-19bn ve Wide-ResNet101-2 ağları kullanılarak eğitim yapıldıktan sonra görüntüden Covid-19 pozitif veya negatif olarak teşhis konulmasını sağlamaktadır. Çalışmada elde edilen en iyi sonuç %94.79 genel doğruluk oranıyla ResNeXt-101(32×8d) ağı kullanılarak gerçekleştirilmiştir.