A HYBRID FACIAL EXPRESSION RECOGNITION METHOD BASED ON NEUTRAL FACE SHAPE ESTIMATION

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "A HYBRID FACIAL EXPRESSION RECOGNITION METHOD BASED ON NEUTRAL FACE SHAPE ESTIMATION"

Transkript

1 YÜZ İFADESİ TANIMA İÇİN NÖTR YÜZ ŞEKLİNİN KESTİRİLMESİNE DAYALI HİBRİT BİR YÖNTEM A HYBRID FACIAL EXPRESSION RECOGNITION METHOD BASED ON NEUTRAL FACE SHAPE ESTIMATION Sezer Ulukaya 1 2, Çiğdem Eroğlu Erdem 2 1 Elektrik-Elektronik Mühendisliği Bölümü Boğaziçi Üniversitesi 2 Elektrik-Elektronik Mühendisliği Bölümü Bahçeşehir Üniversitesi (cigdem.eroglu; ÖZETÇE Yüz ifadesinin değiştiğinin kolay anlaşılabilmesi için o kişiye ait nötr yüz ifadesinin bilinmesi faydalıdır fakat her zaman nötr yüz ifadesi bilgisi elimizde olmayabilir. Bir duygu yansıtan yüz ifadesine ait bilinmeyen nötr yüz ifadesinin kestirimi için Gauss karışım modellerine (GKM) dayalı bir yöntem öneriyoruz. Yapılan deneyler sonucunda kestirilen nötr yüz ifadesi belirli bir duyguya (kızma, gülme, vb.) ait ifadeden çıkarılıp destek vektör sınıflandırıcılarıyla (DVS) sınıflandırıldığında genişletilmiş Cohn-Kanade (CK+) veritabanında %88 duygu tanıma başarımına ulaşıldı. Görünüme ait öznitelikler de eklenip sınıflandırıldığında performansın %92 gibi bir başarıma ulaştığı görülmüştür. ABSTRACT In order to recognize the facial expression of a person, the knowledge of the neutral facial expression of that person is useful but may not always be available. We present a method based on Gaussian mixture models (GMM) to estimate the unknown neutral facial expression of an expressive face. The estimated neutral face is then subtracted from the features of the expressive image and classified using support vector classifiers (SVC). Experimental results on the extended Cohn-Kanade (CK+) database give an emotion recognition rate of 88% using geometric features only and 92% if appearance based features are also included. 1. GİRİŞ Yüz ifadelerinin otomatik olarak tanınması problemi üzerinde son yıllarda yoğun olarak çalışılmaktadır. İnsanmakina etkileşimi, yapay zeka ve robot teknolojisi yüz ifadesi tanımanın önemli uygulama alanlarıdır. İnsanlar için önemli olan bu duygu tanıma yeteneğinin, insan-bilgisayar etkileşiminin bir parçası olmasına yönelik araştırmalar Bu çalışma TÜBİTAK-EEAG tarafından 110E056 numaralı proje kapsamında desteklenmiştir /12/$26.00 c 2012 IEEE hız kazanmıştır [1]. Otomatik yüz ifadesi tanıma, diğer pek çok problemde de kullanılmaktadır: güvenlik [2] ve sürücü güvenliği [3] bunlardan birkaçıdır. Yüz ifadesinin sınıflandırılmasında temel sorunlardan birisi yüz ifadesi sınıflarının tanımlanmasıdır. Bu tanımlama birkaç şekilde yapılabilmektedir [4], [5]. Bu çalışmada, Ekman tarafından kültürden bağımsız olduğu saptanmış olan altı temel duygu ve ek olarak küçümseme duygusu kullanılmıştır. Son on yılda yüz ifadelerinden duygu tanınması konusunda pek çok çalışma yapılmıştır [6], [7], [5]. Bu yöntemlerin çoğu yüze ait iki boyutlu uzamsal-zamansal öznitelikler ile farklı örüntü tanıma yöntemleri kullanırlar. Yüze ait öznitelikler, geometrik öznitelikler ve görünüme ait öznitelikler olarak ikiye ayrılabilir. Geometrik öznitelikler, yüze ait bileşenlerin şekli (gözler, dudaklar vb.) ve yüzdeki belirgin nirengi noktalarının pozisyonları olarak tanımlanabilir. Görünüme ait öznitelikler ise yüzün dokusu hakkında bilgi verirler: doğal kırışıklıklar, kaş çatmadan doğan alın kırışıklıkları ve şişkinlikler gibi. Hem geometrik hem de görünüme ait öznitelikleri bir arada kullanan hibrit yüz ifadesi tanıma yöntemlerinin daha iyi sonuçlar vermesi beklenir [7]. Yüz ifadesi tanıma algoritmalarının test edilmesi ve karşılaştırılması için video veritabanlarına ihtiyaç vardır. Daha önce 2000 yılında araştırmacıların kullanımına sunulmuş olan Cohn-Kanade (CK) veritabanı [8], kayıtlardaki kişi sayısı artırılarak ve duygu etiketleri, yüz takibi verileri gibi yeni bilgiler de eklenerek daha kapsamlı bir hale getirilmiş ve 2010 yılında araştırmacıların kullanımına açılmıştır (CK+) [9]. Yakın geçmişte CK+ veritabanı kullanılarak yapılan yüz ifadesi tanıma çalışmalarına bakıldığında, Gabor filtresi ile elde edilen görünüme ait öznitelik vektörleri ile 26 özne üzerindeki deneylerde %87 [10], hem görünüm hem de geometrik öznitelikler ile 118 özne üzerindeki deneylerde %83 başarıma ulaşılmıştır [9]. Bu çalışmada, bir duyguya ait yüz ifadesine ait bilinmyen nötr yüz ifadesini kestirmek için Gauss Karışım Modellerine dayalı bir yöntem öneriyoruz. Kestirilen bu nötr yüz ifadesi, duygusal yüz ifadesinden çıkarılmakta ve böylece duygu tanıma başarımı artmaktadır. Bu çalışmada geometrik öznitelik-

2 vektörler art arda birleştirildi. 3. GAUSS KARIŞIM MODELLERİ İLE NÖTR YÜZ İFADESİ KESTİRİMİ Bir topluluktaki insan yüzleri uzun ve ince veya yuvarlak gibi değişik şekillerde olabilmektedir. Bu bildiride, nötr yüz ifadelerinin şekil özniteliklerine Gauss karışım modelleri (GKM) uydurularak popülasyondaki yüzler tanımlanmaya çalışıldı. Her bir Gauss karışımının ortalamasının bir yüz şekline ait kümeyi temsil etmesi beklenir Nötr Yüz İfadelerine Gauss Karışım Modelleri (GKM) Uydurulması Nötr yüz ifade şekillerinin veri kümesi, CK+ veritabanındaki 123 özneye ait 593 dizinin ilk çerçevelerinden oluşturulmuştur. Nötr yüz şekli veri kümesi χ = {s n,1 }, n = 1,..., N şeklinde gösterilecek olsun. s n,1 = [p 1 n,1, p 2 n,1,..., p M n,1], n inci imge dizisinin, normalize edilmiş 68 takip noktasının koordinatlarını kullanarak, ilk çerçeveye ait yüz şeklini temsil eder. Parametreler M = 68, N = 593 dür. Nötr yüz ifadelerinin dağılımı, yoğunlukların karışımı kullanılarak aşağıdaki gibi modellenebilir: p(s) = K p(s G k )P (G k ), (1) k=1 burada G k karışım bileşenlerini, p(s G k ) bileşen yoğunluklarını and P (G k ) da karışım oranlarını belirtir. Bileşen sayısı K, önceden belirlenebileceği gibi aşağıda anlatılacağı üzere Akaike nin bilgi kriterine (ABK) göre de kestirilebilir. Eğer bileşen yoğunluklarının çok değişkenli Gauss dağılımı olduğu varsayılırsa, p(s G k ) ℵ(s µ k, Σ k ) ve Φ = {P (G k ), µ k, Σ k } K k=1 parametrelerinin veri kümesinden kestirilmesi gerekir. Veri kümesinin olabilirliğini enbüyüten bileşen yoğunluk parametreleri aranır. Dağılımdan birbirinden bağımsız çekilen veri noktalarının oluşturduğu örneğin olabilirliği: p(χ Φ) = = N p(s n Φ) (2) n=1 ( N K ) P (G k )ℵ(s n µ k, Σ k ), n=1 k=1 ve olabilirliğin logaritması: ( N K ) ln p(χ Φ) = ln P (G k )ℵ(s n µ k, Σ k ). (3) n=1 k=1 şeklinde gösterilir. Denklem (3) te verilen fonksiyon Beklenti- Enbüyütme (Expectation-Maximization) algoritması ile enbüyütülür [13]. K parametresi deneysel olarak Akaike nin bilgi kriteri (ABK) kullanılarak belirlenir [14]. Bileşenlerin sayısı belirtilmediğinde, uygun bileşen sayısını bulmak için kullanılır. Akaike bilgisi verinin olabilirliğinin logaritmasının negatifi ve ceza terimi olarak kullanılan kestirilecek parametre sayısına bağlıdır. GKM uydurma süreci belirli bir aralıktaki K değerlerinden ABK ni en aza indiren değer seçilerek tamamlanır Nötr Yüz İfadesi Şeklinin Kestirimi Resimden çıkarılan yüz ifadesine ait şekil vektörü s n,i, aşağıdaki şekilde ayrıştırılabilir: s n,i = ŝ n,i + v n,i, (4) öyle ki ŝ n,i şeklin kişiye özel kısmını, v n,i ise duruş ve duyguya ait değişim kısmını belirtir. Eğer nötr yüz ifadesine ait şekil elimizde mevcutsa, s n,i den çıkararak duyguya ait kısım bulunabilir. Ama her zaman nötr yüz ifadesi mevcut olmayabilir, bu durumda en iyi uyan nötr yüz şeklini kestirip s n,i den çıkarmak doğru sınıflandırma oranını arttırmaya yönelik kullanılabilir. K tane yüz adayından en iyi uyanı seçmek için takip noktalarının yüz ifadesinden en az etkilenenleri kullanıldı. Bu amaçla seçilen noktalar kümesi sağ ve sol yanakların göz hizasındaki kısımları ile gözlerin iç köşeleridir: {p 1 n,i, p 2 n,i, p 3 n,i, p 15 n,i, p 16 n,i, p 17 n,i, p 40 n,i, p 43 n,i}. Yukarıdaki noktaları n inci dizinin i numaralı çerçevesi {P j n,i } olacak şekilde ifade edersek, k ıncı Gauss karışım bileşeninin ortalamasında karşılık gelen noktalara da {ˆµ j k } dersek, j = 1,..., 8 ve k = 1,..., K olmak üzere, en iyi uyan nötr yüz şeklini seçmek için aşağıdaki Mahalanobis uzaklığını en aza indirmek gerekir: D k (P j n,i, ˆµj k ) = (P j n,i ˆµj 1 k )T ˆΣ k (P j n,i ˆµj k ), (5) öyle ki, ˆΣ k, 1, 2, 3, 15, 16, 17, 40, 43 numaralı noktaların koordinatlarına ait lık ortak değişinti matrisidir. En iyi uyan nötr yüz şeklinin dizini: k n,i = arg min k D k (P j n,i, ˆµj k ) (6) dir. Dizin kestirildikten sonra karşılık gelen Gauss karışımına ait ortalama şekil (4) teki kişiye özel bileşene atanır: ŝ n,i ˆµ k. (7) Duygudan kaynaklanan yüzün değişim kısmı aşağıdaki gibi kestirilmiş olur: s n,i ˆµ k v n,i, (8) sonra da ikinci dereceden polinom kernel kullanan DVS ile sınıflandırılır. 4. DENEY SONUÇLARI Deneylerde CK+ veritabanının [9] duygu etiketi taşıyan 327 dizisi kullanılmıştır. Yapılan deneyler sonucunda GKM ile nötr yüz ifadesi kestirimi için en düşük ABK değeri K = 6 için elde edilmiştir. Ortak değişinti matrisinin köşegenine negatif olmayan küçük düzenlileştirme sayısı eklenerek kesin artı matris yapılmıştır. Sınıflandırıcı olarak çok boyutlu verilerde iyi performans vermesi ve doğrusal olmayan sınıf sınırlarını bulabilmesi nedeniyle Destek Vektör Sınıflandırıcıları (DVS) kullanılmıştır. Kişiden bağımsız duygu tanıma oranlarını elde etmek için [9] da da önerildiği gibi bir-kişiyi-dışarıda-bırak (BKDB) (leave-one-subject-out, LOSO) çapraz değerleme yöntemi kullanılmıştır. BKDB yöntemi, eğitim ve test kümelerindeki

3 veri sayısını arttırmak ve kişiden bağımsız duygu tanımayı garanti etmek bakımından tercih edilen bir yöntemdir. Koordinat tabanlı öznitelikler (KTÖ) değişik senaryolar için duygu tanıma amacıyla kullanılmıştır. Bu metotların kısaltmaları aşağıdaki gibidir: KTÖ: Duygunun tepe noktasına ait 68 noktadan oluşan öznitelikler. KTÖ-DİF: Duygunun tepe noktasından nötr ifadenin (kişiye özel) çıkarılması ile elde edilen öznitelikler. KTÖ-KDİF: Duygunun tepe noktasından kestirilen nötr ifadenin çıkarılması ile elde edilen öznitelikler. Öneridiğimiz GKM ni kullanmadan önce k-ortalama kümesi, tüm nötr ifadelerin ortalaması ve her duyguya ait kişiye özel imge dizisinin ortalamasını alarak nötr yüz ifadesi kestirimi de yapıldı, bu kestirilen nötr yüz tepe noktasındaki duygudan çıkarılıp sınıflandırıldığında sırasıyla %86, %85 ve %82.2 başarıma ulaşıldı. Bir kısmı temel aldığımız metottan (%83.3 [9]) iyi olsa da, GKM (KTÖ-KDİF) ile %88 gibi azımsanamayacak bir başarıma ulaşıldı. KTÖ ile %83, KTÖ- DİF ile %94, KTÖ-KDİF ile %88 başarım elde edildi. Bu deneylerden, önerdiğimiz GKM ye dayalı nötr yüz ifadesi kestirme yönteminin duygu tanıma oranına olumlu katkı yaptığını, diğer kestirme yöntemlerinden daha iyi olduğunu ve kişinin kendisine ait nötr yüz ifadesi bilinmiyorken işe yarayabileceği sonucunu çıkarabiliriz. Yukarıdaki sonuçlara ÖDÖD (scale invariant feature transform - SIFT) e dayalı görünüm tabanlı öznitelikler de eklendiğinde Tablo 1 deki başarım oranları elde edilmiştir. ÖDÖD öznitelikleri de kullanılarak yüz ifadesi tanıma yapıldığında %92 doğru tanıma oranı elde edilmiştir. Kullanılan Öznitelikler Ortalama Duygu Tanıma Oranı KTÖ %83 KTÖ + ÖDÖD %87 KTÖ-DİF %94 KTÖ-DİF + ÖDÖD %95 KTÖ-KDİF %88 KTÖ-KDİF + ÖDÖD %92 Temel Metot [9] %83 Tablo 1: Koordinat tabanlı özenitelikler (KTÖ) ve görünüme ait öznitelikler (ÖDÖD) ile elde edilen yüz ifadesi tanıma için deney sonuçları. 5. SONUÇLAR Yüz ifadesi tanıma için nötr yüz ifadesinin bilinmediği durumlarda nötr yüz şeklini kestirebilmek için GKM kullanan bir yöntem önerilmiştir. CK+ veritabanı deney[9] ile yapılan sonuçlarına göre, kestirilen yüz şeklini tepe noktasındaki duygunun yüz şeklinden çıkarmak, duygu tanıma oranını arttırmaktadır. Kişiye özel nötr ifadeyi ve görünüm tabanlı öznitelik kullanmadığımız zaman, önerilen yöntem %88 başarıma ulaşmış olup, [9] ve [10] daki sonuçlardan yüksektir. Kişiye özel yüz ifadesini ve görünüm tabanlı öznitelikleri de kullandığımızda ise başarım %95 olmaktadır. 6. KAYNAKÇA [1] A. Vinciarelli, M. Pantic, and H. Bourlard, Social signal processing: Survey of an emerging domain, Image and Vision Computing, vol. 27, no. 12, pp , [2] A. Ryan, J. Cohn, S. Lucey, J. Saragih, P. Lucey, F. D. la Torre, and A. Rossi, Automated facial expression recognition system, in Proceedings of the International Carnahan Conference on Security Technology, 2009, pp [3] E. Vural, M. Cetin, A. Ercil, G. Littlewort, M. Bartlett, and J. Movellan, Automated drowsiness detection for improved driving safety, in Proceedings of the International Conference on Automotive Technologies, [4] P. Ekman and W. V. Friesen, Constants accross cultures in the face and emotion, Journal of Personality and Social Psychology, vol. 17, no. 2, pp , [5] H. Gunes and M. Pantic, Automatic, dimensional and continuous emotion recognition, International Journal of Synthetic Emotions, vol. 1, no. 1, pp , [6] M. Pantic and L.J.M. Rothkrantz, Automatic analysis of facial expressions: The state of the art, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 22, no. 12, pp , [7] Z. H. Zeng, M. Pantic, G. I. Roisman, and T. S. Huang, A survey of affect recognition methods: Audio, visual, and spontaneous expressions, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 31, no. 1, pp , [8] T. J. Kanade, J. Cohn, and Y. Tian, Comprehensive database for facial expression analysis, in Proc. of the Fourth IEEE International Conference on Automatic Face and Gesture Recognition (FG 00), Grenoble, France, [9] P. Lucey, J. F. Cohn, T. Kanade, J. Saragih, Z. Ambadar, and I. Matthews, The extended cohn-kanade dataset (ck+): A complete dataset for action unit and emotionspecified expression, in Proceedings of IEEE workshop on CVPR for Human Communicative Behavior Analysis, San Francisco, USA, [10] G. Littlewort, J. Whitehill, T. Wu, I. Fasel, M. Frank, J. Movellan, and M. Bartlett, The computer expression recognition toolbox (cert), in IEEE Conf. on Automatic Face and Gesture Recognition (FG 2011), [11] D. G. Lowe, Distinctive image features from scaleinvariant keypoints, Internatonal Journal of Computer Vision, vol. 60, no. 2, pp , [12] F. van der Heijden, R. P. W. Duin, D. de Ridder, and D. M. J. Tax, Classification, Parameter Estimation and State Estimation, Wiley, [13] C. M. Bishop, Pattern Recognition and Machine Learning, Springer, [14] H. Akaike, A new look at the statistical model identification, IEEE Transactions on Automatic Control, vol. 19, no. 6, pp , 1974.

NONLINEAR CLASSIFIER COMBINATION FOR SIMPLE COMBINATION TYPES. Mehmet Umut Şen, Hakan Erdoğan

NONLINEAR CLASSIFIER COMBINATION FOR SIMPLE COMBINATION TYPES. Mehmet Umut Şen, Hakan Erdoğan BASİT BİRLEŞTİRİCİ TİPLERİ İÇİN DOĞRUSAL OLMAYAN SINIFLANDIRICI BİRLEŞTİRME NONLINEAR CLASSIFIER COMBINATION FOR SIMPLE COMBINATION TYPES Mehmet Umut Şen, Hakan Erdoğan Sabancı Üniversitesi {umutsen,haerdogan}@sabanciuniv.edu

Detaylı

DENEYLER İÇİN PROTOKOL VE TABAN ÇİZGİSİ PROTOCOL AND BASELINE FOR EXPERIMENTS ON BOGAZICI UNIVERSITY TURKISH EMOTIONAL SPEECH CORPUS

DENEYLER İÇİN PROTOKOL VE TABAN ÇİZGİSİ PROTOCOL AND BASELINE FOR EXPERIMENTS ON BOGAZICI UNIVERSITY TURKISH EMOTIONAL SPEECH CORPUS BOĞAZİÇİ ÜNİVERSİTESİ TÜRKÇE DUYGULU KONUŞMA VERİTABANI ÜZERİNDE DENEYLER İÇİN PROTOKOL VE TABAN ÇİZGİSİ PROTOCOL AND BASELINE FOR EXPERIMENTS ON BOGAZICI UNIVERSITY TURKISH EMOTIONAL SPEECH CORPUS Heysem

Detaylı

Çok Modelli Görsel Lokalizasyon Multi-Model Visual Localization

Çok Modelli Görsel Lokalizasyon Multi-Model Visual Localization Çok Modelli Görsel Lokalizasyon Multi-Model Visual Localization Kemal Egemen Özden Bilgisayar Mühendisliği Bölümü Bahçeşehir Üniversitesi kemalegemen.ozden@bahcesehir.edu.tr Mehmet ozlu, Salih Ergüt Avea

Detaylı

UYARLAMALI İKİ YÖNLÜ HAREKET KESTİRİMLİ ZAMANSAL VİDEO ARA DEĞERLEMESİ ADAPTIVE BILATERAL MOTION COMPENSATED TEMPORAL VIDEO INTERPOLATION

UYARLAMALI İKİ YÖNLÜ HAREKET KESTİRİMLİ ZAMANSAL VİDEO ARA DEĞERLEMESİ ADAPTIVE BILATERAL MOTION COMPENSATED TEMPORAL VIDEO INTERPOLATION Fırat Üniversitesi-Elazığ UYARLAMALI İKİ YÖNLÜ HAREKET KESTİRİMLİ ZAMANSAL VİDEO ARA DEĞERLEMESİ ADAPTIVE BILATERAL MOTION COMPENSATED TEMPORAL VIDEO INTERPOLATION Yücel ÇİMTAY 1, Erol SEKE 2 1 Elektrik-Elektronik

Detaylı

GÖRÜNTÜ VE LIDAR VERİSİNDEN BİNA TESPİTİNDE FARKLI YÖNTEMLER

GÖRÜNTÜ VE LIDAR VERİSİNDEN BİNA TESPİTİNDE FARKLI YÖNTEMLER HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ OCAK 2015 CİLT 8 SAYI 1 (55-65) GÖRÜNTÜ VE LIDAR VERİSİNDEN BİNA TESPİTİNDE FARKLI YÖNTEMLER Nusret Akdeniz Üniversitesi Uzay Bilimleri ve Teknolojileri Bölümü 07220,

Detaylı

İstatistiksel Regresyon Yöntemlerinin Farklı Veri Gruplarına Uygulanması Üzerine Bir Analiz

İstatistiksel Regresyon Yöntemlerinin Farklı Veri Gruplarına Uygulanması Üzerine Bir Analiz GÜFBED/GUSTIJ (2012) 2 (2):55-67 Research/Araştırma 1 İstatistiksel Regresyon Yöntemlerinin Farklı Veri Gruplarına Uygulanması Üzerine Bir Analiz Serkan ÖZTÜRK 1,* 1 Gümüşhane Üniversitesi, Müh. Fak. Jeofizik

Detaylı

Bayesgil VAR Modelinin Gerçek Zaman Dizileri

Bayesgil VAR Modelinin Gerçek Zaman Dizileri Çankaya University Journal of Science and Engineering Volume 7 (2010), No. 2, 169 185 Bayesgil VAR Modelinin Gerçek Zaman Dizileri için Kestirim Amaçlı Kullanılması Reşat Kasap 1, ve Sibel Kavak 2 1 Gazi

Detaylı

A METHOD FOR DECISION FUSION OF TARGET TRACKERS RUNNING ON DIFFERENT BAND IMAGE SEQUENCES

A METHOD FOR DECISION FUSION OF TARGET TRACKERS RUNNING ON DIFFERENT BAND IMAGE SEQUENCES FARKLI BANT İMGE DİZİLERİ ÜZERİNDE KOŞAN HEDEF İZLEYİCİLERİN KARAR TÜMLEŞTİRİLMESİ ÜZERİNE BİR YÖNTEM A METHOD FOR DECISION FUSION OF TARGET TRACKERS RUNNING ON DIFFERENT BAND IMAGE SEQUENCES Serdar Çakır,

Detaylı

KULAKTAN KİŞİ VE KİMLİK TESPİTİ İÇİN ÖRNEK BİR UYGULAMA

KULAKTAN KİŞİ VE KİMLİK TESPİTİ İÇİN ÖRNEK BİR UYGULAMA BEYKENT ÜNİVERSİTESİ FEN VE MÜHENDİSLİK BİLİMLERİ DERGİSİ Sayı 7(2) 2014, 21 46 KULAKTAN KİŞİ VE KİMLİK TESPİTİ İÇİN ÖRNEK BİR UYGULAMA Naci FIRTINA Beykent Üniversitesi Fen Bilimleri Enstitüsü, Bilgisayar

Detaylı

TIME-VARYING LIFTING STRUCTURES FOR SINGLE-TREE COMPLEX WAVELET TRANSFORM

TIME-VARYING LIFTING STRUCTURES FOR SINGLE-TREE COMPLEX WAVELET TRANSFORM TEK-AĞAÇ KARMAŞIK DALGACIK DÖNÜŞÜMÜ İÇİN ZAMANLA DEĞİŞEN YÜKSELTME ŞEMALARI TIME-VARYING LIFTING STRUCTURES FOR SINGLE-TREE COMPLEX WAVELET TRANSFORM Furkan Keskin, A. Enis Çetin Elektrik ve Elektronik

Detaylı

TÜM GÖKYÜZÜ KAMERASINDAN ALINAN GÖRÜNTÜLER KULLANILARAK BULUTLULUK ÖLÇÜMÜ YAPILMASI

TÜM GÖKYÜZÜ KAMERASINDAN ALINAN GÖRÜNTÜLER KULLANILARAK BULUTLULUK ÖLÇÜMÜ YAPILMASI TÜM GÖKYÜZÜ KAMERASINDAN ALINAN GÖRÜNTÜLER KULLANILARAK BULUTLULUK ÖLÇÜMÜ YAPILMASI İsmail BAŞLAR UZMANLIK TEZİ TÜRKİYE BİLİMSEL VE TEKNOLOJİK ARAŞTIRMA KURUMU Ulusal Gözlemevi Müdürlüğü Ocak 2012 ANTALYA

Detaylı

ÇOK KRİTERLİ KARAR VERME TEKNİKLERİ İLE TÜRKİYE NİN EKONOMİK PERFORMANSININ AVRUPA BİRLİĞİ ÜYE ÜLKELERİ İLE KARŞILAŞTIRILMASI

ÇOK KRİTERLİ KARAR VERME TEKNİKLERİ İLE TÜRKİYE NİN EKONOMİK PERFORMANSININ AVRUPA BİRLİĞİ ÜYE ÜLKELERİ İLE KARŞILAŞTIRILMASI Marmara Üniversitesi İ.İ.B. Dergisi YIL 2013, CİLT XXXV, SAYI II, S. 329-360 Doi No: 10.14780/iibdergi.201324469 ÇOK KRİTERLİ KARAR VERME TEKNİKLERİ İLE TÜRKİYE NİN EKONOMİK PERFORMANSININ AVRUPA BİRLİĞİ

Detaylı

PARALEL MEKANİZMALARIN KİNEMATİĞİ, DİNAMİĞİ VE ÇALIŞMA UZAYI

PARALEL MEKANİZMALARIN KİNEMATİĞİ, DİNAMİĞİ VE ÇALIŞMA UZAYI HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ OCAK 25 CİLT 2 SAYI 1 (19-36) PARALEL MEKANİZMALARIN KİNEMATİĞİ, DİNAMİĞİ VE ÇALIŞMA UZAYI Elmas ANLI Uçak Müh. Böl İstanbul Teknik Üni. anli@itu.edu.tr Hüseyin

Detaylı

Tarkan AYDIN DOKTORA TEZİ

Tarkan AYDIN DOKTORA TEZİ T.C. GEBZE YÜKSEK TEKNOLOJİ ENSTİTÜSÜ MÜHENDİSLİK VE FEN BİLİMLERİ ENSTİTÜSÜ ÇİFTE AĞ METODUYLA STEREO, ODAK VE BULANIKLIK BİLGİSİNİ KULLANARAK RESİMLERDEN DERİNLİK ÇIKARIMI Tarkan AYDIN DOKTORA TEZİ BİLGİSAYAR

Detaylı

SINGLE-CHANNEL SPEECH-MUSIC SEPARATION USING NMF FOR AUTOMATIC SPEECH RECOGNITION

SINGLE-CHANNEL SPEECH-MUSIC SEPARATION USING NMF FOR AUTOMATIC SPEECH RECOGNITION KONUŞMA TANIMA İÇİN NOMA İLE TEK-KANALDA KONUŞMA-MÜZİK AYRIŞTIRMA SINGLE-CHANNEL SPEECH-MUSIC SEPARATION USING NMF FOR AUTOMATIC SPEECH RECOGNITION Cemil Demir 1,3, Mehmet Uğur Doğan 1, A. Taylan Cemgil

Detaylı

ORANTILI TEHLİKE VARSAYIMININ İNCELENMESİNDE KULLANILAN YÖNTEMLER VE BİR UYGULAMA

ORANTILI TEHLİKE VARSAYIMININ İNCELENMESİNDE KULLANILAN YÖNTEMLER VE BİR UYGULAMA Eskişehir Osmangazi Üniversitesi Müh.Mim.Fak.Dergisi C.XX, S.1, 2007 Eng&Arch.Fac. Eskişehir Osmangazi University, Vol..XX, No:1, 2007 Makalenin Geliş Tarihi : 18.02.2006 Makalenin Kabul Tarihi : 21.12.2006

Detaylı

ERSÖZ-KABAK SAVUNMA SANAYİ UYGULAMALARINDA ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNİN LİTERATÜR ARAŞTIRMASI. Filiz ERSÖZ 1 Mehmet KABAK 2 ÖZET

ERSÖZ-KABAK SAVUNMA SANAYİ UYGULAMALARINDA ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNİN LİTERATÜR ARAŞTIRMASI. Filiz ERSÖZ 1 Mehmet KABAK 2 ÖZET SAVUNMA SANAYİ UYGULAMALARINDA ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNİN LİTERATÜR ARAŞTIRMASI Filiz ERSÖZ 1 Mehmet KABAK 2 ÖZET Bu çalışmada çok kriterli karar verme yöntemleri adı altında geçen yöntemlerin

Detaylı

Diferansiyel Evrim Algoritması Destekli Yapay Sinir Ağı ile Orta Dönem Yük Tahmini

Diferansiyel Evrim Algoritması Destekli Yapay Sinir Ağı ile Orta Dönem Yük Tahmini International Journal of Research and Development, Vol.3, No., January 20 28 Diferansiyel Evrim Algoritması Destekli Yapay Sinir Ağı ile Orta Dönem Yük Tahmini İbrahim EKE Gazi Üniversitesi Mühendislik

Detaylı

Ad Hoc Ağları İçin Kuyruk Ağ Analizi Ve Yapay Arı Kolonisi Algoritmalarının Birleştirilerek Routing Probleminin Simülasyonu

Ad Hoc Ağları İçin Kuyruk Ağ Analizi Ve Yapay Arı Kolonisi Algoritmalarının Birleştirilerek Routing Probleminin Simülasyonu Ad Hoc Ağları İçin Kuyruk Ağ Analizi Ve Yapay Arı Kolonisi Algoritmalarının Birleştirilerek Routing Probleminin Simülasyonu 1 Hakan Üçgün *2 Mustafa Danacı 1 Mühendislik Fakültesi, Bilgisayar Mühendisliği

Detaylı

4.45. KARAKTER TANIMA İÇİN DÜZENLİ ÖZELLİK ÇIKARMA İŞLEMİNİN İNCELENMESİ VE UYGULANMASI ÖZET

4.45. KARAKTER TANIMA İÇİN DÜZENLİ ÖZELLİK ÇIKARMA İŞLEMİNİN İNCELENMESİ VE UYGULANMASI ÖZET 4.45. KARAKTER TANIMA İÇİN DÜZENLİ ÖZELLİK ÇIKARMA İŞLEMİNİN İNCELENMESİ VE UYGULANMASI Sevinç AY 1 ve Asaf VAROL 2 1 Fırat Üniversitesi Fen Bilimler Enstitüsü, Elazığ sevinc.ay@hotmail.com 2 Fırat Üniversitesi

Detaylı

11. SINIF MATEMATİK KONU ÖZETİ

11. SINIF MATEMATİK KONU ÖZETİ 2012 11. SINIF MATEMATİK KONU ÖZETİ TOLGA YAVAN Matematik Öğretmeni 1.ÜNİTE: KARMAŞIK SAYILAR x 2 +3=0 gibi denklemlerin gerçek sayılarda çözümü olmadığından bu denklemlerin boş kümeden farklı çözüm kümeleri

Detaylı

Üçüncü Boyut: Baş Takibi ve Fare ile Çoklubiçimli Etkileşim Arayüzü. 3 rd Dimension: A Multimodal Interface with 2D Mouse and 3D Head Tracking

Üçüncü Boyut: Baş Takibi ve Fare ile Çoklubiçimli Etkileşim Arayüzü. 3 rd Dimension: A Multimodal Interface with 2D Mouse and 3D Head Tracking Üçüncü Boyut: Baş Takibi ve Fare ile Çoklubiçimli Etkileşim Arayüzü Üç Boyutlu Etkileşimi Değerlendirmek Üzere Bir test Ortamı Özet: Bu makalede iki boyutlu (2D) mouse girdisi ile üç boyutlu (3D) baş takibini

Detaylı

İnsan ve Makine Bulutları Sinerjisi: Kitle Kaynaklı Çalışma ile Veri Temizleme Örnek Uygulaması

İnsan ve Makine Bulutları Sinerjisi: Kitle Kaynaklı Çalışma ile Veri Temizleme Örnek Uygulaması İnsan ve Makine Bulutları Sinerjisi: Kitle Kaynaklı Çalışma ile Veri Temizleme Örnek Uygulaması Deniz İren 1, Gökhan Kul 2 ve Semih Bilgen 3 1, 2 Bilgi İşlem Daire Başkanlığı, Orta Doğu Teknik Üniversitesi,

Detaylı

KISMİ EN KÜÇÜK KARELER REGRESYONU YARDIMIYLA OPTİMUM BİLEŞEN SAYISINI SEÇMEDE MODEL SEÇME KRİTERLERİNİN PERFORMANS KARŞILAŞTIRMASI

KISMİ EN KÜÇÜK KARELER REGRESYONU YARDIMIYLA OPTİMUM BİLEŞEN SAYISINI SEÇMEDE MODEL SEÇME KRİTERLERİNİN PERFORMANS KARŞILAŞTIRMASI Ekonometri ve İstatistik Sayı:15 2011 38-52 İSTANBUL ÜNİVERSİTESİ İKTİSAT FAKÜLTESİ EKONOMETRİ VE İSTATİSTİK DERGİSİ KISMİ EN KÜÇÜK KARELER REGRESYONU YARDIMIYLA OPTİMUM BİLEŞEN SAYISINI SEÇMEDE MODEL

Detaylı

Seda Arslan TUNCER 1, Ahmet ALKAN 2 arslanseda@hotmail.com; aalkan@ksu.edu.tr

Seda Arslan TUNCER 1, Ahmet ALKAN 2 arslanseda@hotmail.com; aalkan@ksu.edu.tr TROİT NODÜLLERİNİN BÖLGE TABANLI AKTİF ŞEKİL (CONTOUR) YÖNTEMİ İLE BÖLÜTLENMESİ Seda Arslan TUNCER 1, Ahmet ALKAN 2 arslanseda@hotmail.com; aalkan@ksu.edu.tr 1 Fırat Üniversitesi Enformatik Bölümü, 23000

Detaylı

Üst Düzey Yöneticilerin Sahip Olması Gereken Yönetsel Yetkinliklerin Belirlenmesine Đlişkin Ampirik Bir Çalışma

Üst Düzey Yöneticilerin Sahip Olması Gereken Yönetsel Yetkinliklerin Belirlenmesine Đlişkin Ampirik Bir Çalışma Belirlenmesine Đlişkin Ampirik Bir Çalışma * ** ÖZET: Üst düzey yöneticilerin sahip olması gereken yetkinlikler hem uygulayıcılar hem de ilgili araştırmacılar için yeni bir inceleme alanı olarak kabul

Detaylı

BELEDİYE HİZMETLERİNİN MALİYET ETKİNLİKLERİNİN DEĞERLENDİRİLMESİ: ESKİŞEHİR ODUNPAZARI BELEDİYESİNDE BİR UYGULAMA

BELEDİYE HİZMETLERİNİN MALİYET ETKİNLİKLERİNİN DEĞERLENDİRİLMESİ: ESKİŞEHİR ODUNPAZARI BELEDİYESİNDE BİR UYGULAMA Endüstri Mühendisliði Dergisi Cilt: 22 Sayý: 4 Sayfa: (35-47) ÜAS 2009 Özel BELEDİYE HİZMETLERİNİN MALİYET ETKİNLİKLERİNİN DEĞERLENDİRİLMESİ: ESKİŞEHİR ODUNPAZARI BELEDİYESİNDE BİR UYGULAMA Zeliha KAYGISIZ*,

Detaylı

T.C. TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

T.C. TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ T.C. TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ VERİ SIKIŞTIRMADA YENİ YÖNTEMLER Altan MESUT Doktora Tezi Bilgisayar Mühendisliği Anabilim Dalı 2006 EDİRNE Danışman: Yrd. Doç. Dr. Aydın CARUS i ÖZET Bu

Detaylı

YÜK TRENİ İSTASYONLARINDA HAREKET PLANLAMASI

YÜK TRENİ İSTASYONLARINDA HAREKET PLANLAMASI Endüstri Mühendisliði Dergisi Cilt: 20 Sayý: Sayfa: (2-2) Makina Mühendisleri Odası YÜK TRENİ İSTASYONLARINDA HAREKET PLANLAMASI Işıl ALEV, Bahar ÇAVDAR, Bilge ÇELİK, Volkan DEMİREL, Ayşegül GÜLLER, Canan

Detaylı

PERAKENDE MARKETLERİN YER SEÇİMİNE YÖNELİK CBS UYGULAMASI

PERAKENDE MARKETLERİN YER SEÇİMİNE YÖNELİK CBS UYGULAMASI PERAKENDE MARKETLERİN YER SEÇİMİNE YÖNELİK CBS UYGULAMASI E. K. Şahin ÖZET Gebze Yüksek Teknoloji Enstitüsü, Jeodezi ve Fotogrametri Mühendisliği Bölümü, 41400, Gebze, Kocaeli. e.sahin@gyte.edu.tr Coğrafi

Detaylı