Yazar "Ertuğrul, Ömer Faruk" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • [ X ]
    Öğe
    Determining the fullness of garbage containers by deep learning
    (Elsevier Ltd, 2023) Oğuz, Abdulhalık; Ertuğrul, Ömer Faruk
    An essential point in waste management, which is a matter of great importance for the environment and nature, is waste collection from temporary storage points. Since the garbage collection process is generally time-related, sometimes the garbage containers overflow or empty. Intelligent services are being developed for issues related to the cleanliness of the streets through cameras and specially designed monitoring tools. This study has investigated whether deep learning can determine if the garbage containers are full or not based on the camera images. For this purpose, experiments were carried out for automatic classification processes by applying DenseNet-169, EfficientNet-B3, MobileNetV3-Large, and VGG19-Bn deep learning algorithms on the CDCM dataset, which contains images of trash cans or containers labeled as clean and dirty. With a 94.931% accuracy rate, it has been found that an intelligent system can be used successfully in smart cities to determine the status of garbage and garbage containers on the streets and inform the authorities. © 2023 Elsevier Ltd
  • [ X ]
    Öğe
    Doküman dili tanıma için yeni bir öznitelik çıkarım yaklaşımı: İkili desenler
    (2016) Kaya, Yılmaz; Ertuğrul, Ömer Faruk
    Doğal dil işlemenin önemli alt konularından biri olan dil tanıma (DT) bir dokümanın içeriğine göre yazıldığı dili belirleme işlemidir. Bu çalışmada, karakterlerin UTF-8 değerlerini birbirleri ile karşılaştırması sonucu elde edilen ikili desenler kullanarak yeni bir dil tanıma yaklaşımı önerilmiştir. Önerilen bu yöntemin başarısını test etmek amacıyla farklı sayıda dillerden oluşan metinler içeren dört veri kümesi kullanılmıştır. Önerilen yöntemde bir (1) boyutlu yerel ikili örüntüler (1B-YİD) ile dokümanlardan elde edilen öznitelikler farklı makine öğrenme yöntemleri ile sınıflandırılarak metinlerde DT işlemi gerçekleştirilmiştir. Dört farklı veri kümesi için elde edilen DT başarı oranları sırası ile %86,20, %92,75, %100 ve %89,77 olarak gözlenmiştir. Elde edilen sonuçlara göre önerilen öznitelik çıkarım yönteminin dil tanıma için önemli örüntüler sağladığı görülmüştür.
  • [ X ]
    Öğe
    Introduction to deep learning and diagnosis in medicine
    (Elsevier, 2023) Oğuz, Abdulhalık; Ertuğrul, Ömer Faruk
    The golden era of machine learning has been ushered in by deep learning (DL), which is the most vital representative of artificial intelligence. DL, in contrast to its forerunners, is exceptional at working with large datasets, merging various prominent techniques, and assuring the nearly flawless execution of numerous tasks across many areas. Since DL has been so successful, it is now essential for resolving medical issues. DL and derivative methodologies are important because early diagnosis is essential for human survival. In this study, the bibliometric summary of the topic of interest is examined, and the size of the huge data set resources employed in DL is described. The most current and productive investigations are then highlighted, followed by an in-depth study of DL techniques. Finally, by examining DL models applied to medical applications, the potential for early detection is investigated. This work, in our opinion, will help define DL for less seasoned academics and provide guidance on how DL might be used to the early identification and treatment of medical issues. © 2023 Elsevier Inc. All rights reserved.