YEREL İKİLİ ÖRNEKLERLE YÜZ GÜZELLİĞİ KARARI. Vasif Nabiyev 1, Fermudiye Koçak 2
|
|
- Osman Bucak
- 8 yıl önce
- İzleme sayısı:
Transkript
1 YEREL İKİLİ ÖRNEKLERLE YÜZ GÜZELLİĞİ KARARI Vasif Nabiyev 1, Fermudiye Koçak 1 Bilgisayar Mühendisliği Bölümü Karadeniz eknik Üniversitesi vasif@ktu.edu.tr Bilgisayar Mühendisliği Bölümü Karadeniz eknik Üniversitesi frmdy_565_@hotmail.com ÖZE Çalışmada, estetiğin, toplumbilimin ve kültürün bir parçası olarak incelen güzellik konusu ele alınmış ve güzel yüzlerin otomatik sınıflandırılması gerçekleştirilmiştir. Sisteme giriş olarak verilen görüntülerde meydana gelen geometrik değişimler morflenerek elimine edilmiştir. İlk olarak veritabanındaki resimler, yapılan bazı araştırmalara göre güzel olduğu kabul edilen ünlü bayan resimleri ve güzel olmadığına karar verilen çirkin bayan resimleri olarak ikiye ayrılmıştır. Güzel bayan resimleri ve çirkin bayan resimleri kendi aralarında morflenerek sınıflar için tek bir model resim veritabanında tutulmuştur. İkinci adımda ise, bu resimlerin özellik verileri Yerel İkili Örnekler (YİÖ) kullanılarak çıkarılmıştır. Bu özellik verileri dikkate alınarak sisteme sorulan bir yüzün sınıflandırılması Euclid, Manhattan, Chebyshev ve Normalleştirilmiş Euclid uzaklığı kullanılarak gerçekleştirilmiştir. Yüz güzelliğinin sınıflandırılmasında elde edilen deneysel sonuçlarda, sistemin insana benzeyen kararlar verebildiği görülmüştür. Anahtar Kelimeler: Örüntü anıma, Yapay Zeka, Güzel Yüz, Yerel İkili Örnekler 1. GİRİŞ Güzellik, bir canlının, somut bir nesnenin veya soyut bir kavramın algısal bir haz duyumsatan; hoşnutluk veren hususiyetidir. Güzellik, estetiğin, toplumbilimin ve kültürün bir parçası olarak incelenmektedir. Kant güzelliğin sübjektifliğini vurgulamış, onun sadece duyumsama ile ilgili değil kişinin güzel ve çirkin ile ilgili yargılarının sonucu olduğunu ortaya koymuştur. Güzel olanın bakılana değil bakana göre belirlendiği, öznel olduğu yaklaşımına karşılık; bir başka yaklaşım, güzelliğin tanımını, bakana değil bakılana özgü olan ve simetri, oran gibi tartışılmaz matematik formüllere bağlanmış bir kurallar dizgesi olduğunu savunan, fenomenik güzellik tanımı da olmaktadır. oplumların beğenileri kültürlere ve zamana göre değişim gösterdiğinden mutlak ve ideal güzellikten bahsedilebilmenin mümkün olmadığı öznel güzellik tanımını destekleyen örneklerdir. Güzellik, göze hoş görünen sanat ve estetiğin temel bir kavramıdır. Şairler, ressamlar, filozoflar yüzyıllardır uğraşmalarına rağmen tam olarak güzelliğin tanımını yapamamışlardır; çünkü güzellik kavramı kişiden kişiye değişebilen bir niteliktir[1]. Bir kişinin "güzel" olarak vasıflandırılması, ister şahsi görüş olsun ister toplumun ortak değer yargısı olsun sıklıkla, kişilik, zeka, zarafet, cazibe gibi "iç güzelliğinin" ve sağlık, gençlik, ortalamaya yakınlık ve yaygınlık, cilt gibi "dış güzelliğin" bir birleşimine dayanır. Çiçekler, tabiat güzelliğinin en belirgin bir örneği olduğu gibi, yüz de insanın önemli dış güzellik örneklerindendir. Biçem ve modanın çok geniş ölçüde farklılık göstermesine rağmen, kültürler arası araştırmalar, insanların güzelliği algılamalarında çeşitli ortak noktalar bulmuştur. Örneğin, büyük gözler ve açık ten rengi bütün kültürlerde güzel bulunmuştur. Öte yandan yüz güzelliği her yaş dilimi için geçerli olmaktadır, Şekil 1. Şekil 1: Yaşlara göre yüz güzelliği örnekleri Yüz güzelliğinin bilgisayarlı değerlendirilmesine yönelik sınırlı sayıda çalışmalar olmaktadır. Yüzde çeşitli oranlar bulunsa da tam olarak güzellik kavramını ortaya koyan matematiksel formüller mevcut değildir. Öte yandan yüz öğeleri arasında belirlenen altın oran değerleri ( ) sadece ideal insan yüzü için geçerlidir[]. Her ne kadar güzelliğin altın kuralı kendine güvenmek ve kendinin tek olduğunu anlamak olsa da son zamanlar yüz güzelliği kararının otomatik verilebilmesi için çeşitli çalışmalar da yapılmaktadır. Eisenthall, Dror ve Rupin, insanların yaptıkları değerlendirmeye benzer bir çekicilik değerlendirmesi yapabilmek için emel Bileşen Analizi ve K-en Yakın Komşu yöntemleri kullanarak, iki boyutlu yüz görüntülerinden sistemin öğrenme ve analiz yapabilmesini sağlayan bir sistem önermişlerdir[3]. Bazı çalışmalarda Destek Vektör Makinelerine göre sınıflandırma yapılarak çeşitli ırklar için yüz güzelliği kararı verilmeye çalışılmıştır[4,5] İnsan güzelliği kanonları Kusursuz orantılara sahip bir insanın boyunun, başının yedi buçuk katı olduğu bilinmektedir. İnsan başı kanonlarına göre önden bakıldığında baş, yüksekliği 3.5 ve genişliği.5 oranlarında olan dikdörtgen meydana getirir. Bu kanon modüllerine göre gözler başın yüksekliğinin tam ortasında yer almaktadır. İki göz arasındaki mesafe bir gözün genişliği kadardır ve burun genişliğini belirler [6]. Enine baş ölçüleri dört göz kadardır. Kadın başının orantıları temel olarak erkek başının orantılarının aynısıdır. Kadın ve erkek başları arasında tabii hallerinde (makyajsız) pek az fark olmaktadır. Olan farklılıklar ise en çok kadının fiziksel yapısından, özellikle yüzün yapısını etkileyen deri altı yağların fazlalığından meydana gelir. 94
2 Elektrik-Elektronik ve Bilgisayar Sempozyumu 11 Erkeğin daha hareketli bir yaşamı olmasının - spor, oyun, iş hayatı - bir sonucu olarak kemik ve kas yapısı daha güçlüdür. Örnek olarak bir erkeğin burnunun genellikle daha geniş ve iri olmasının nedeni; erkeğin daha çok koşması, sıçraması vb. nedenlerle daha güçlü solunuma gereksinmesi ve bunun bir sonucu olarak solunum organlarının boğaz vb. daha büyümesidir. Kadın ve erkek arasındaki fark aşağıdaki özelliklerle belirtilebilir. Kadınlarda; Yüz biraz küçüktür. Gözler biraz daha büyüktür. Kaşlar biraz yüksek ve kavislidir. Burun ve ağız daha küçüktür. Dudakları daha etlidir. Çene yuvarlaktır. Ressamlar genellikle aşağıdaki kurala uymaktadırlar: erkeklerde hatlar daha köşeli olurken, kadınlarda aynı hatlar yumuşak ve kavislidir. Antropometrik çalışmalarda insan yüzünde olduğu gibi güzel vücut ölçülerinde de oranlar aranmaktadır olarak kabul edilen ideal kadın ölçüleri aslında boy dikkate alınmadığında geçerlilik kazanmamaktadır. Venus de Milo nun ölçüleri dikkate alınarak modelleme katsayısı ile yapılan değerlendirmelerde gerçek altın oran aşağıdaki şekilde ölçülmektedir. Gerçek "altın oran" = ( ) х М, burada М = boy (c / 166. Formüle göre örneğin 15 cm boy için gerçek "altın oran" yaklaşık olduğu halde 18 cm ler için olmaktadır. Güzelliğin tek bir tanımı olmamaktadır. Orantılı olanlar güzel kabul edilse de orantısız olup güzel görünenler de var. Dereceli bir kavram olan güzellik anlayışı çağlara göre de değişkenlik göstermiştir, Şekil. Şekil : Çağlara göre güzel yüz anlayışı - Antikçağ güzeli. Oval yüz, dolgun dudak ve yanak, düz burun, yuvarlak çene, yumuşak alın, orantılı yüz hatları - Roma güzeli. Kocaman kara gözler, koyu renk saçları, esmer ten, yuvarlağa yakın yüz şekli, etkili göz makyajının sağladığı derin bakışlar - Orta Çağ güzeli. Geniş alın, sarı saçlar, düz burun, ince kaşlar ve zayıf beden - Barok güzeli. Altın sarısı saçlar, açık renk veya saydam ten, yuvarlak, dolgun yüz ve beden. - Romantik Dönem güzeli. Koyu renk saçlar, açık ve solgun tenli, ince yüzler, çökmüş yanaklar -. yüzyılın başlarında antikçağ Yunan ve Roma güzelliği yine etalon olarak alınmaktaydı. Bu yüzyılın ortalarına doğru daha sert yapılı, belirgin yüz çizgileri güzel sanılmaktaydı. Günümüzde ise güzelliğin içgüdüsel olarak değerlendirildiği varsayılmaktadır. Güzellik hakkında anlayışlar tarihsel olarak kültürlere ve ülkelere göre de değişmektedir[7]. Çalışmada önden olan kadın yüz görüntülerinden güzellik kararının verilmesi üzerinde durulmuştur. Yüz güzelliğinin belirlenmesi plastik cerrahi, güzellik reklamları, fotoğrafçılık, kozmetik endüstrisi için önemli yer tutmaktadır. Bu sebeple yüz güzelliğinin belirlenmesi konusunda yapılan çalışmalar artmaktadır. Yüz güzelliği kararı verme amacıyla oluşturulan sistem ön işlemlerin uygulanması, özellik çıkarımı, eğitim ve sınıflandırılma olmak üzere dört modülden oluşmaktadır.. ÖN İŞLEMLER Görüntülere uygulanan ön işlemlerin amacı, resimlerin işlenmesini kolaylaştırmak, hızlandırmak ve geometrik olarak meydana gelen değişimleri düzenleyerek resimleri özellik çıkarımına hazır duruma getirmektir. Sisteme giriş olarak verilen resimlerde kafa bölgesi dönmüş olabilir. Kafa bölgesinin dönmüş olması özellik çıkarımında farklı bölgelere ait özelliklerin tutulmasına sebep olacaktır. Bu çalışmada morfleme kullanılarak geometrik etkiler elimine edilmiş, ayrıca kafaya ait olmayan verilerin elenmesi sağlanmıştır. Özellik çıkarımında kullanılan yöntem gri seviye görüntüler üzerinde uygulandığından düzeltilen görüntü gri seviyeye dönüştürülerek ön işlemler tamamlanır..1. Morfleme ve Yüz Resminin Döndürülmesi Morfleme, görüntülerin birbiri ile işlenerek geçiş görüntüsü oluşturulduğu görüntü düzenleme tekniğidir. Morfleme iki farklı resme uygulanabildiği gibi, geometrik açıdan farklı olan aynı resimlere de uygulanabilir. İlk aşamada morfleme döndürme amaçlı kullanılmıştır. Morfleme yöntemi görüntünün özellik bölgelerinin belirlenmesi, üçgensel bölge dönüşümü ve resmin birleştirilmesi olmak üzere üç aşamadan oluşur. Özellik noktaları olarak kaşlar, göz sınırları, gözbebeği, burun, dudak kenarları ve çene noktaları alınmıştır. Morfleme işleminde özellik noktalarının belirlenmesi çok önemlidir. Özellik noktalarında meydana gelen ufak bir değişiklik morflemede farklı sonuçlara sebep olacaktır. Bu sebeple özellik noktalarının belirlenmesi manüel olarak gerçekleştirilmiş ve özellik bölgelerine göre görüntü üçgensel bölgelere ayrılmıştır. Üçgensel bölgelere ayrılan görüntülerdeki üçgenlerin köşe noktalarının ortalaması alınarak yeni üçgenler elde edilir. Üçgenler içerisinde kalan pikseller alan testi yöntemi ile belirlenir. Üçgensel bölge dönüşümüyle belirlenen noktaların kaynak resimde hangi noktaya geldiği hesaplanır ve o pikselin parlaklık değeri alınarak hedef resimde kullanılır. A,B,C giriş resimlerindeki üçgenlerin köşe noktalarını, Q giriş resmindeki pikseli ifade edecek olursa kaynak resimdeki piksel koordinatı aşağıdaki bağıntılarla hesaplanır. Qx = λ1*ax + λ*bx + λ3*cx (1) Qy = λ1*ay + λ*by + λ3*cy () λ 1 + λ + λ3 = 1, λi> (3) Burada λ üçgen içerisindeki tüm noktaların katsayılarını temsil etmektedir. Üçgensel dönüşüm yapılarak özellik noktalarının aynı bölgelere denk gelmesi sağlanır. Sonuç resmin piksel değerleri aşağıdaki bağıntı ile hesaplanır ve morfleme aşamaları Şekil 3 te gösterilmiştir. 95
3 Sonuç(x,y) =.5*Resim1(x,y) +.5*Resim(x,y) (4) Şekil 3: Morfleme Aşamaları. Özellik Çıkarımı ve Eğitim Verileri Çalışmada, eğitim setinde yer alan ve sisteme sorulan yüzlerin özelliklerinin belirlenmesi için Yerel İkili Örnekler (LBP-Local Binary Patterns) yöntemi kullanılmıştır..1. Yerel İkili Örnekler Operatörü Yerel İkili Örnekler operatörü yerel komşuluk değerlerine dayalı bir özellik çıkarma yöntemidir. Bu yöntem ilk olarak Ojala vb. tarafından ortaya çıkarılmıştır [8]. YİÖ operatörü ile özellik vektörünün hesaplanması hızlı ve kolaydır. Gri seviye üzerinde uygulanan bu yöntemin ışık değişimlerine karşı duyarlılığı az olduğu için tanıma yöntemlerinde sıkça tercih edilir. YİÖ operatörü endüstriyel kontrol, 3 boyutlu doku yüzeylerinin sınıflandırılması, yüz tanıma, yüz bulma, yaşın belirlenmesi, yüz ifadesi tanıma, arka plan modelleme, hareketli nesnelerin tespiti gibi çeşitli bilgisayar uygulamalarında kullanılmış ve iyi performans göstermiştir [9,1,11,1,13,14]. Uygulamalarda genelde komşuluk değerlerine göre farklı operatörler kullanılır. Bu operatörler P merkez piksel etrafında alınacak komşu sayısını, R örnek sayısını temsil edecek şekilde YİÖ P,R gösterimiyle ifade edilir. Çalışmada YİÖ 8,1 operatörü kullanılmıştır. YİÖ operatörü 3x3 boyutlu bir çekirdektir ve görüntüdeki her pikseli, merkez piksel kabul ederek etiketleme işlemi gerçekleştirir. Merkez değer eşik değer olarak kabul edilir ve etrafındaki sekiz adet komşu parlaklık değeri, bu eşik değeri ile kıyaslanır. Bu kıyaslama ikili yönteme göre gerçekleştirilir. Elde edilen 3x3 lük operatör dairesel olarak ele alınır ve sekiz bit uzunluğunda ikili veri kodu elde edilir. Bu ikili verinin onluk değeri ele alınan merkez pikselin yerel değerini ifade eder. YİÖ operatörünün elde edilmesi ve bu bitlerin ağırlık katsayıları Şekil 4 te gösterilmiştir. YİÖ, merkez pikselin komşularına karşı düzenliliğini aynen alır, fakat komşularının düzenliliğini aynen almaz [9]. Bu nedenle bit geçişleri arasındaki düzene bakılarak YİÖ kodunun düzenli olup olmadığına karar verilir. Bu karar ölçütü 1- veya -1 geçişinin en fazla iki tane olmasıdır. 56 YİÖ kodunun 58 tanesi düzenli iken geri kalan 198 tanesi düzensizdir. Düzenli YİÖ (DYİÖ) kodlarının bulunması aşağıdaki bağıntılarla gösterilebilir. Bağıntıda verilen U c, merkez pikselin düzenlilik ölçüsünü ve s ise özel dönüşüm fonksiyonunu ifade etmektedir. P 1 Uc = s( gi gc ) s( gi 1 gc) (5) P 1 s ( g i g c ), eğer U c j, j = YİÖ c,j = (6) P + 1, aksi takdirde YİÖ ile etiketlenen görüntü üzerindeki verilerin dağılımlarını belirlemek için histogram kullanılır. Görüntü üzerinde genel bir histogram oluşturmaktansa yerel dağılımlara göre histogram oluşturulması tanımlama işlemini daha başarılı kılacaktır. Yerel histogram oluşturulması için görüntü belirli boyutlarda (örneğin 1x1) bloklara ayrılır ve daha sonra her bloğun histogramı çıkarılır. DYİÖ ler önemli olduğundan her blokta 58 düzenli örnek dikkate alınır. Düzensiz örnekler içinse tek bir değer tutmak yeterlidir. Yani 1x1 luk bloklar için 59x1 tane özellik vektörü bulunacaktır. Alt bloklardan elde edilen histogramlar uç uca eklenerek YİÖ yerel histogramı elde edilir, Şekil 5... Eğitim Verileri Şekil 5: YİÖ Histogramının elde edilmesi Sınıflandırmaya dayalı yöntemlerde sistemin eğitilmesi için eğitim seti oluşturulmalıdır. Yüz güzelliğine dayalı sistemlerde güzel ve çirkin veriler sisteme öğretilmeli, daha sonra sisteme sorulan verinin güzel olup olmadığı eğitim setine bakılarak karar verilmelidir. Güzel yüzler oluşturulurken yapılan bazı araştırmalara göre güzel kabul edilen ünlü yüzler model olarak alınmıştır. Çirkin yüzler içinse sıradan insan yüzleri çirkin olarak kabul edilmiştir. Sistemde kullanılan resimlerden bazıları Şekil 6 da gösterilmiştir. Şekil 4: YİÖ operatörünün elde edilmesi ve bitlerin ağırlık katsayıları 96
4 Elektrik-Elektronik ve Bilgisayar Sempozyumu 11 ifade etmek üzere uzaklığa dayalı sınıflandırma yöntemlerinin bağıntıları aşağıda verilmiştir. Euclid( s, = ( s i m i ) (7) (a) (b) Şekil 6: (a) Güzel yüzlere ait örnekler, (b) Güzel olmayan yüzlere ait örnekler Veritabanında birden fazla yüz resminin özellik vektörlerinin tutulması yerine, resimler morflenerek tek bir yüz oluşturulmuştur ve oluşturulan yüzler mutlak güzel ve çirkin kabul edilerek özellik vektörü tutulmuştur. Morflenerek oluşturulan resimler aynı özellik bölgelerinin normalizeli halini tuttuğu için birebir resimlerle karşılaştırmaya denk düşmektedir. Şekil 7 de güzel sınıfı için model resminin morflenerek oluşturulmasının bir kısmına örnek verilmiştir. Manhat tan( s, = s i m i (8) Chebyshev ( s, = max( s i mi ), 1,.., (9) ( s i m i ) NEuclid( s, = σ (1) s i Sınıflandırma yöntemleri ile test verisi hem güzel model hem de çirkin model ile karşılaştırılır. Bu karşılaştırma sonucunda güzel ve çirkin model arasındaki uzaklıklar temel alınarak uzaklıklar yüzde üzerinden hesaplanır. Böylece sadece çirkin-güzel ikili sonucu elde edilmez. Güzellik ve çirkinlik kavramı yüzde olarak değerlendirilmiş olur. Şekil 7: Veritabanı resminin morflenerek oluşturulması Güzel yüzlerin belirlenmesinde yüzdeki bölgeler farklı öneme sahiptir. Örneğin kaş, göz, dudak, burun önemli bölge iken alın bölgesinin önemi bu bölgelere göre daha düşüktür. Boyun kenarındaki boşlukların etkisi ise hiç yoktur. YİÖ histogramları çıkarılan bölgelerin, önemine göre ağırlıklandırılması sınıflandırma üzerinde etkili olmaktadır. Bu sebeple özellik vektörleri veritabanında tutulmadan önce ağırlıklandırılmalıdır. Ağırlıklandırma işleminde bölgeler önem derecesine göre dört aralığa bölünmüştür ve bölgelere önem sırasına göre 4,, 1, katsayıları verilmiştir. Ağırlıklandırılmış resim Şekil 8 de gösterilmiştir. Şekilde siyah kare, koyu gri kare 1, açık gri kare, beyaz kare ise 4 ağırlık değerini göstermektedir. 4. SONUÇLAR Çalışmada, bayan yüzlerinin özellikleri belirlenerek güzel olup olmadıklarına karar verebilen bir sistem oluşturulmuştur. Morfleme sonucu oluşturulan tek bir model resim veritabanında tutularak sistem kapasitesinin verimli kullanılması ve özellik çıkarımının hızlı gerçekleştirilmesi amaçlanmıştır. Özellik vektörlerinin Yerel İkili Örnekler kullanılarak oluşturulması ve düzenli verilerin alınarak özellik uzayının boyutunun azaltılması yine sistemi hızlandıran faktörlerdir. Güzel ve çirkin yüz modellerinin oluşturulmasında 1 ar adet yüz görüntüleri alınmış ve bu resimler, gözler aynı hizaya getirilerek morflenmiş, böylelikle veritabanına her sınıfa ait tek bir resim konulmuştur. Sistem görüntülerinin sınıflandırılmasında dört sınıflandırma yöntemi kullanılmış ve bu yöntemlerde dereceli (yüzde olarak) güzellik kararı verilmiştir. Çeşitli yüz görüntülerine ait sistemin verdiği karar örneği Şekil 9 da gösterilmiştir. Şekilde yukarıdaki yüz %6 çirkin bulunduğu halde, aşağıda verilen yüz %69.75 oranında güzel olarak tanımlanmıştır. Şekil 8: Ağırlıklandırılmış resim 3. SINIFLANDIRMA Yüz güzelliği test edilmek istenen görüntü, veritabanına kaydedilen görüntülerin geçtiği özellik çıkarım algoritmasına verilir. Sınıflandırma için dört farklı sınıflandırma yöntemi olan Euclid, Manhattan, Chebyshev ve Normalleştirilmiş Euclid uzaklık yöntemleri kullanılmıştır. s test edilecek veri, m veritabanındaki model veri ve özellik vektörünün boyutunu Şekil 9: Çeşitli yüzlere ait program sonuçları 97
5 Sistemin test aşamasında, güzellik eğitiminde kullanılan veritabanında bulunmayan 87 resim için sistemin verdiği kararla 74 farklı kişinin, aynı resimler için verdiği kararlar karşılaştırılmıştır. estlerde kullanılan görüntülerinden 46 sı güzel, 41 i ise güzel olmayan bayan yüzleridir. İnsanların verdiği kararlarla karşılaştırıldığında güzel yüzler için %9, çirkin yüzler için ise %89 başarı elde edilmiştir. %(45-55) arası değerler normal yüz olarak kabul edilmiştir. Denenen test verilerinin sonucunda, sistemin insana benzeyen kararlar verebildiği görülmüştür. Yüzün modele uygun kesilmesi, veri tabanına uygun test setinin oluşturulması, yüz ifadeleri sistemin doğru karar verebilmesini etkileyen faktörlerdir. Eğitim setinde farklı resimlerin yer alması sistemin daha doğru karar vermesini sağlayacaktır. Ayrıca cins, yaş ve ırk faktörleri de dikkate alınarak sistem daha da güçlendirilebilir. 5. KAYNAKLAR [1] [] Nabiyev, V.V., Yapay Zeka: İnsan-Bilgisayar Etkileşimi Seçkin Yayınevi,Ankara, 1. [3] Eisenthal, Y., Dror, G. Ruppin, E., Learning Facial Attractiveness. Israel el-aviv University, School of Computer Science, 4. [4] urkmen, H.I., Kurt, Z., Karslıgil, E., Global Feature Based Female Facial Beauty Decision System, Proceeding of EURASIP7, 7 [5] Mao,H., Jin, L., Automatic Classfication of Chinese Female Facial Beauty using Support Vector Machine, 9 IEEE International Conference on Systems,Man and Cybernetics, 9 [6] Parramon, J.M., Baş ve Portre Çizme Sanatı,. Basım, Remzi Kitapevi, İstanbul, [7] guzelliginizi-hangi-cagdan-aliyorsunuz.html [8] Ojala,., Pietikinen, M., and Harwood,D., A comparative study of texture measures with classification based on featured distrubition, Pattern Recognition, vol. 9, no. 1, 1996 [9] Ojala,., Pietikinen,M., and Menp,., Multiresolution grayscale and rotation invariant texture classification with local binary patterns, IEEE PAMI, vol. 4, no. 7, July. [1] Maaenpaaa,., Pietikaainen M., exture Analysis with Local Binary Patterns, University of Oulu, 4 [11] Feng,X., Pietikäinen, M.,Hadid,A., Facial Expression Recognition with Local Binary Patterns and Linear Programming, University of Oulu, Finland,5 [1] Nabiyev V.V.,Kurt, B., Facial Expression Recognition, II. Uluslararası Bilim ve eğitimde Bilgi ve İletişim eknolojileri Uygulamaları Konferansı,Bakü, Azerbaycan, pp , Denklemi buraya yazın.7 [13] Gunay, A., Nabiyev, V.V., Automatic age classification with LBP, 3rd International Symposium on Computer and Information Sciences ISCIS, 8 [14] Kurt, B., Nabiyev V.V., Down Syndrome Recognition Using Local Binary Patterns And Statistical Evaluation Of he System, Expert Systems with Applications, 11 98
Kelebek Görüntülerin Sınıflandırılmasında Yeni Yerel İkili Örüntüler
Kelebek Görüntülerin Sınıflandırılmasında Yeni Yerel İkili Örüntüler Yılmaz KAYA 1, Lokman KAYCİ 2 1 Bilgisayar Mühendisliği Bölümü, Siirt Üniversitesi, 56100 Siirt 2 Biyoloji Bölümü, Siirt Üniversitesi,
DetaylıYıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Final
Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayarla Görme Final Harris ve Moravec Köşe Belirleme Metotları Selçuk BAŞAK 08501008 Not: Ödevi hazırlamak için geliştirdiğim
DetaylıBilgisayar Grafiği. Volkan KAVADARLI
Bilgisayar Grafiği Volkan KAVADARLI 11011032 Bilgisayar Grafiği? Özel bir grafik donanımı ve yazılımının yardımıyla bir bilgisayar tarafından görüntü verisinin temsilini kullanarak oluşturulmuş görüntüler.
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimsiz Öğrenmenin Temelleri Kümeleme Uzaklık Fonksiyonları Öklid Uzaklığı Manhattan
DetaylıGörüntü İşleme. Dijital Görüntü Tanımları. Dijital görüntü ise sayısal değerlerden oluşur.
Görüntü İşleme Görüntü işleme, dijital bir resim haline getirilmiş olan gerçek yaşamdaki görüntülerin bir girdi resim olarak işlenerek, o resmin özelliklerinin ve görüntüsünün değiştirilmesidir. Resimler
DetaylıGörüntü Segmentasyonu (Bölütleme)
Görüntü Segmentasyonu (Bölütleme) Segmentasyon, görüntüyü aynı cinsten obje ve bölgelere ayırmaktır. 20 Aralık 2014 Cumartesi 1 Görüntü Segmentasyonu 20 Aralık 2014 Cumartesi 2 Gestalt kanunları Görüntü
DetaylıBİYOMETRİK İRİS SINIFLANDIRMA SİSTEMLERİ
BİYOMETRİK İRİS SINIFLANDIRMA SİSTEMLERİ Emre DANDIL, K.İBRAHİM KAPLAN Akademik Bilişim 2013 İnternet ve bilgisayar teknolojilerinin etkin kullanılmaya başlanması ile birlikte, bazı kişisel bilgilere veya
DetaylıGörüntü İşleme. K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI. Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003
Görüntü İşleme K.Sinan YILDIRIM Cenk İNCE Tahir Emre KALAYCI Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 2003 İçerik Görüntü İşleme Nedir? Görüntü Tanımlamaları Görüntü Operasyonları Görüntü İşleme
DetaylıMOD419 Görüntü İşleme
MOD419 Görüntü İşleme Ders Kitabı: Digital Image Processing by Gonzalez and Woods Puanlama: %30 Lab. %20 Vize %10 Quizes %40 Final %60 devam mecburiyeti Görüntü İşleme ye Giriş Görüntü İşleme Nedir? Özellikle
DetaylıGenel Bilgi. İz Düşüm Düzlemleri ve Bölgeler. Yrd. Doç. Dr. Garip GENÇ Şekil: İz düşüm düzlemlerine bakış doğrultuları. Page 1.
TEKNİK BİLİMLER MESLEK YÜKSEKOKULU Teknik Resim Genel Bilgi Uzaydaki cisimlerin eksiksiz bir anlatımı için, ana boyutlarıyla birlikte parçanın bitmiş hallerinden ve üzerindeki işlemlerle birlikte diğer
DetaylıYıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Vize. İris Segmentation. Selçuk BAŞAK 08501008
Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayarla Görme Vize İris Segmentation Selçuk BAŞAK 08501008 Not: Ödevi hazırlamak için geliştirdiğim program ve kaynak
DetaylıYıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Proje
Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayarla Görme Proje Renk ve Şekil Temelli Trafik İşareti Tespiti Selçuk BAŞAK 08501008 1. Not: Ödevi hazırlamak için
DetaylıGÖRÜNTÜSÜ ALINAN BİR NESNENİN REFERANS BİR NESNE YARDIMIYLA BOYUTLARININ, ALANININ VE AÇISININ HESAPLANMASI ÖZET ABSTRACT
GÖRÜNTÜSÜ ALINAN BİR NESNENİN REFERANS BİR NESNE YARDIMIYLA BOYUTLARININ, ALANININ VE AÇISININ HESAPLANMASI Hüseyin GÜNEŞ 1, Alper BURMABIYIK 2, Semih KELEŞ 3, Davut AKDAŞ 4 1 hgunes@balikesir.edu.tr Balıkesir
DetaylıKLASİK FRAKTALLAR FRAKTAL ÖZELLİKLERİ VE BOYUT
KLASİK FRAKTALLAR FRAKTAL ÖZELLİKLERİ VE BOYUT.. KENDİNE BENZERLİK VE AFİNİTE Fraktal özelliklerinden bir diğeri de kendine benzerlikdir. Geometrik açıdan, aynı şekle sahip olan geometrik şekiller birbirine
DetaylıÇarpanlar ve Katlar
8.1.1. Çarpanlar ve Katlar 8.1.2. Üslü İfadeler 8.1.3. Kareköklü İfadeler 8.2.1. Cebirsel İfadeler ve Özdeşlikler 8.1.1.1 Verilen pozitif tam sayıların çarpanlarını bulur; pozitif tam sayıları üslü ifade
DetaylıK En Yakın Komşu Methodu (KNearest Neighborhood)
K En Yakın Komşu Methodu (KNearest Neighborhood) K-NN algoritması, Thomas. M. Cover ve Peter. E. Hart tarafından önerilen, örnek veri noktasının bulunduğu sınıfın ve en yakın komşunun, k değerine göre
Detaylı9. SINIF Geometri TEMEL GEOMETRİK KAVRAMLAR
TEMEL GEOMETRİK KAVRAMLAR 9. SINIF Geometri Amaç-1: Nokta, Doğru, Düzlem, Işın ve Uzayı Kavrayabilme. 1. Nokta, doğru, düzlem ve uzay kavramlarım açıklama. 2. Farklı iki noktadan geçen doğru sayışım söyleme
DetaylıSözlük Kullanarak Türkçe El yazısı Tanıma
Sözlük Kullanarak Türkçe El yazısı Tanıma Murat Şekerci 1 Rembiye Kandemir 2 1,2 Bilgisayar Mühendisliği Bölümü Mühendislik-Mimarlık Fakültesi Trakya Üniversitesi, 2250, Edirne 1 e-posta: muratsekerci@hotmail.com
DetaylıEğer piramidin tabanı düzgün çokgense bu tip piramitlere düzgün piramit denir.
PİRAMİTLER Bir düzlemde kapalı bir bölge ile bu düzlemin dışında bir T noktası alalım. Kapalı bölgenin tüm noktalarının T noktası ile birleştirilmesi sonucunda oluşan cisme piramit denir. T noktası piramidin
DetaylıTMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon
TMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon Lazer Tarama Verilerinden Bina Detaylarının Çıkarılması ve CBS İle Entegrasyonu
DetaylıYüz İfadelerinin Tanınması
Yüz İfadelerinin Tanınması Burçin Kurt Vasıf V. Nabiyev Yasemin Bekiroğlu Bilgisayar Mühendisliği Bölümü Karadeniz Teknik Üniversitesi 61080 Trabzon burcinnkurt@gmail.com, vasif@ktu.edu.tr, yaseminbekiroğlu@gmail.com
DetaylıTÜRKİYE CUMHURİYETİ DEVLETİNİN temellerinin atıldığı Çanakkale zaferinin 100. yılı kutlu olsun.
Doç.Dr.Mehmet MISIR-2013 TÜRKİYE CUMHURİYETİ DEVLETİNİN temellerinin atıldığı Çanakkale zaferinin 100. yılı kutlu olsun. Son yıllarda teknolojinin gelişmesi ile birlikte; geniş alanlarda, kısa zaman aralıklarında
DetaylıGörüntü Segmentasyonu (Bölütleme) Dijital Görüntü İşleme Fevzi Karslı, KTÜ Segmentasyon, görüntüyü aynı cinsten obje ve bölgelere ayırmaktır.
Görüntü Segmentasyonu (Bölütleme) Segmentasyon, görüntüyü aynı cinsten obje ve bölgelere ayırmaktır. 16 Ocak 2014 Perşembe 1 Görüntü Segmentasyonu 16 Ocak 2014 Perşembe 2 Görüntüden Objelere Bir objeyi
DetaylıLOCAL BINARY PATTERN YÖNTEMİ İLE YÜZ İFADELERİNİN TANINMASI
LOCAL BINARY PATTERN YÖNTEMİ İLE YÜZ İFADELERİNİN TANINMASI ŞEKİL TANIMA,2014 YRD. DOÇ. DR. M. ELİF K ARSLIGİL -------------------------------------------------- HAZIRLAYAN: M. AYYÜCE K I ZRAK 13505007
Detaylı5. ÜNİTE İZDÜŞÜMÜ VE GÖRÜNÜŞ ÇIKARMA
5. ÜNİTE İZDÜŞÜMÜ VE GÖRÜNÜŞ ÇIKARMA KONULAR 1. İzdüşüm Metodları 2. Temel İzdüşüm Düzlemleri 3. Cisimlerin İzdüşümleri 4. Görünüş Çıkarma BU ÜNİTEYE NEDEN ÇALIŞMALIYIZ? İz düşümü yöntemlerini, Görünüş
DetaylıUzaktan Algılama Uygulamaları
Aksaray Üniversitesi Uzaktan Algılama Uygulamaları Doç.Dr. Semih EKERCİN Harita Mühendisliği Bölümü sekercin@aksaray.edu.tr 2010-2011 Bahar Yarıyılı Uzaktan Algılama Uygulamaları GÖRÜNTÜ İŞLEME TEKNİKLERİ
DetaylıPage 1. b) Görünüşlerdeki boşluklar prizma üzerinde sırasıyla oluşturulur. Fazla çizgiler silinir, koyulaştırma yapılarak perspektif tamamlanır.
TEKNİK BİLİMLER MESLEK YÜKSEKOKULU Teknik Resim İzometrik Perspektifler Küpün iz düşüm düzlemi üzerindeki döndürülme açısı eşit ise kenar uzunluklarındaki kısalma miktarı da aynı olur. Bu iz düşüme, izometrik
DetaylıUzaktan Algılama Teknolojileri
Uzaktan Algılama Teknolojileri Ders 11 Hiperspektral Görüntülerde Kümeleme ve Sınıflandırma Alp Ertürk alp.erturk@kocaeli.edu.tr Sınıflandırma Sınıflandırma işleminin amacı, her piksel vektörüne bir ve
DetaylıTrafik Yoğunluk Harita Görüntülerinin Görüntü İşleme Yöntemleriyle İşlenmesi
Trafik Yoğunluk Harita Görüntülerinin Görüntü İşleme Yöntemleriyle İşlenmesi ISITES 2016 4 TH INTERNATIONAL SYMPOSIUM ON INNOVATIVE TECHNOLOGIES IN ENGINEERING AND SCIENCE Dr. G. Çiğdem Çavdaroğlu ISITES,
DetaylıEĞİTİM - ÖĞRETİM YILI 10. SINIF MATEMATİK DERSİ DESTEKLEME VE YETİŞTİRME KURSU KAZANIMLARI VE TESTLERİ
EKİM 07-08 EĞİTİM - ÖĞRETİM YILI 0. SINIF MATEMATİK DERSİ 0... Olayların gerçekleşme sayısını toplama ve çarpma prensiplerini kullanarak hesaplar. 0... Sınırsız sayıda tekrarlayan nesnelerin dizilişlerini
DetaylıFethiye ÖÇK Bölgesi Arazi Örtüsü/Arazi Kullanımı Değişim Tespiti
Fethiye ÖÇK Bölgesi Arazi Örtüsü/Arazi Kullanımı Değişim Tespiti Kurum adı: T.C. Çevre ve Orman Bakanlığı Bilgi İşlem Dairesi Başkanlığı, Özel Çevre Koruma Kurumu Başkanlığı Proje durumu: Tamamlandı. Proje
DetaylıTanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN
Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,
DetaylıMATEMATİK 2+2 UYGULAMALI ÖĞRENME SETİ. Her Haftaya Bir Bölüm ÇEK KOPAR SINIF
MATEMATİK 2 SINIF UYGULAMALI ÖĞRENME SETİ ÇEK KOPAR 10 9 11 12 1 2 3 2+2 Her Haftaya Bir Bölüm 8 4 Copyright Şifre Yayıncılık ve Eğitim Gereçleri Tic. A.Ş. Bu kitabın her hakkı Şifre Yayıncılık ve Eğitim
DetaylıİRİSTEN KİMLİK TANIMA SİSTEMİ
ÖZEL EGE LİSESİ İRİSTEN KİMLİK TANIMA SİSTEMİ HAZIRLAYAN ÖĞRENCİLER: Ceren KÖKTÜRK Ece AYTAN DANIŞMAN ÖĞRETMEN: A.Ruhşah ERDUYGUN 2006 İZMİR AMAÇ Bu çalışma ile, güvenlik amacıyla kullanılabilecek bir
DetaylıBulunması. Corresponding author: vasif@ktu.edu.tr. ikili örüntü (local binary pattern-lbp) histogramlarından faydalanılmaktadır.
Çankaya University Journal of Science and Engineering Volume 8 (2011), No. 1, 27 41 LBP Yardımıyla Görüntüdeki Kişinin Yaşının Bulunması Vasif V. Nabiyev 1, ve Asuman Günay 1 1 Karadeniz Teknik Üniversitesi,
DetaylıMOCKUS HİDROGRAFI İLE HAVZA & TAŞKIN MODELLENMESİNE BİR ÖRNEK: KIZILCAHAMAM(ANKARA)
MOCKUS HİDROGRAFI İLE HAVZA & TAŞKIN MODELLENMESİNE BİR ÖRNEK: KIZILCAHAMAM(ANKARA) Tunç Emre TOPTAŞ Teknik Hizmetler ve Eğitim Müdürü, Netcad Yazılım A.Ş. Bilkent, Ankara, Öğretim Görevlisi, Gazi Üniversitesi,
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 6 Kenar, Köşe, Yuvarlak Tespiti Alp Ertürk alp.erturk@kocaeli.edu.tr KENAR TESPİTİ Kenar Tespiti Amaç: Görüntüdeki ani değişimleri / kesintileri algılamak Şekil bilgisi elde
DetaylıC C C C C C CC CC. 8.Sınıf MATEMATİK. Fraktallar Konu Testi. Test Aşağıdakilerden hangisi fraktallar için söylenemez?
Fraktallar Konu Testi MATEMATİK 8.Sınıf Test-01 1. Aşağıdakilerden hangisi fraktallar için söylenemez? Fraktallar, bir şeklin orantılı olarak küçültülmesi ya da büyütülmesiyle elde edilir. Fraktalın, küçük
DetaylıKarakalem Tekniği ve Özellikleri. Eda Çağlar 10/F 163
Karakalem Tekniği ve Özellikleri Eda Çağlar 10/F 163 Karakalem Tekniği Yüzyıllardır ressamların vazgeçemediği bir malzeme olan kurşun kalem ve kömür kalemle gerçekleştirilen karakalem çalışmalar, izleyenlerde
DetaylıUYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA
UYDU GÖRÜNTÜLERİ VE SAYISAL UZAKTAN ALGILAMA Son yıllarda teknolojinin gelişmesi ile birlikte; geniş alanlarda, kısa zaman aralıklarında ucuz ve hızlı sonuç alınabilen uzaktan algılama tekniğinin, yenilenebilir
DetaylıTEKİRDAĞ SOSYAL BİLİMLER LİSESİ 10. SINIF MATEMATİK DERSİ YILLIK PLANI
9 Eylül- Eylül 0-07 TEKİRDAĞ SOSYAL BİLİMLER LİSESİ 0. SINIF MATEMATİK DERSİ YILLIK PLANI Veri, Sayma ve Sayma. Olayların gerçekleşme sayısını toplama ve çarpma prensiplerini kullanarak hesaplar. Sıralama
Detaylı1. BÖLÜM Polinomlar BÖLÜM II. Dereceden Denklemler BÖLÜM II. Dereceden Eşitsizlikler BÖLÜM Parabol
ORGANİZASYON ŞEMASI . BÖLÜM Polinomlar... 7. BÖLÜM II. Dereceden Denklemler.... BÖLÜM II. Dereceden Eşitsizlikler... 9. BÖLÜM Parabol... 5 5. BÖLÜM Trigonometri... 69 6. BÖLÜM Karmaşık Sayılar... 09 7.
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimli Öğrenmenin Temelleri Karar Ağaçları Entropi ID3 Algoritması C4.5 Algoritması Twoing
DetaylıGeliştirilmiş Fisher Ayraç Kriteri Kullanarak Hiperspektral Görüntülerde Sınıflandırma
Geliştirilmiş Fisher Ayraç Kriteri Kullanarak Hiperspektral Görüntülerde Sınıflandırma Mustafa TEKE, Dr. Ufuk SAKARYA TÜBİTAK UZAY IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013),
DetaylıGÖRÜNTÜ İŞLEME HAFTA 4 DÖNÜŞÜMLER UZAYSAL FİLTRELEME
GÖRÜNTÜ İŞLEME HAFTA 4 DÖNÜŞÜMLER UZAYSAL FİLTRELEME DERS İÇERİĞİ Histogram İşleme Filtreleme Temelleri HİSTOGRAM Histogram bir resimdeki renk değerlerinin sayısını gösteren grafiktir. Histogram dengeleme
DetaylıDİSK DEPOLAMA ALANLARI
DİSK DEPOLAMA ALANLARI 1. Giriş İşlemci hızı ve hafıza kapasitesinin disk hızından çok daha hızlı bir gelişim içinde bulunduğu göz önüne alınırsa, disk kullanımında teorik ilgi ve uygulamanın önemliliği
DetaylıEĞİTİM-ÖĞRETİM YILI 8. SINIF MATEMATİK DERSİ KAZANIMLARININ ÇALIŞMA TAKVİMİNE GÖRE DAĞILIM ÇİZELGESİ SÜRE
Ay 2016 2017 EĞİTİM-ÖĞRETİM YILI 8. SINIF MATEMATİK DERSİ KAZANIMLARININ ÇALIŞMA TAKVİMİNE GÖRE DAĞILIM ÇİZELGESİ SÜRE Hafta ÖĞRENME ALANI ALT ÖĞRENME ALANI KAZANIMLAR EYLÜL 3 4 Sayılar ve İşlemler Çarpanlar
DetaylıNDEN BELİRLENEBİLME LME POTANSİYELİ UYDU GÖRÜNTÜLERİNDEN
BİNALARIN YÜKSEK Y ÇÖZÜNÜRLÜKLÜRLÜKL UYDU GÖRÜNTÜLERİNDEN NTÜLER NDEN BELİRLENEBİLME LME POTANSİYELİ Dilek KOÇ SAN dkoc@metu metu.edu.tr Orta Doğu u Teknik Üniversitesi, Jeodezi ve Coğrafi Bilgi Teknolojileri
DetaylıVERİ MADENCİLİĞİ (Sınıflandırma Yöntemleri) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr
VERİ MADENCİLİĞİ (Sınıflandırma Yöntemleri) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma
DetaylıCopyright 2004 Pearson Education, Inc. Slide 1
Slide 1 Bölüm 2 Verileri Betimleme, Keşfetme, ve Karşılaştırma 2-1 Genel Bakış 2-2 Sıklık Dağılımları 2-3 Verilerin Görselleştirilmesi 2-4 Merkezi Eğilim Ölçüleri 2-5 Değişimin Ölçülmesi 2-6 Nispi Sabitlerin
DetaylıAlgoritma Geliştirme ve Veri Yapıları 9 Ağaç Veri Modeli ve Uygulaması. Mustafa Kemal Üniversitesi
Algoritma Geliştirme ve Veri Yapıları 9 Ağaç Veri Modeli ve Uygulaması Ağaç, verilerin birbirine sanki bir ağaç yapısı oluşturuyormuş gibi sanal olarak bağlanmasıyla elde edilen hiyararşik yapıya sahip
Detaylı7. SINIF ÖĞRETİM PROGRAMI
7. SINIF ÖĞRETİM PROGRAMI Öğrenme Alanları ve Alt Öğrenme Alanları 7.1. Sayılar ve İşlemler 7.1.1. Tam Sayılarla Çarpma ve Bölme İşlemleri 7.1.2. Rasyonel Sayılar 7.1.3. Rasyonel Sayılarla İşlemler 7.1.4.
DetaylıFonksiyon Optimizasyonunda Genetik Algoritmalar
01-12-06 Ümit Akıncı Fonksiyon Optimizasyonunda Genetik Algoritmalar 1 Fonksiyon Optimizasyonu Fonksiyon optimizasyonu fizikte karşımıza sık çıkan bir problemdir. Örneğin incelenen sistemin kararlı durumu
DetaylıSİDRE 2000 ORTAOKULU EĞİTİM-ÖĞRETİM YILI 7. SINIFLAR MATEMATİK DERSİ ÜNİTELENDİRİLMİŞ YILLIK PLAN
SİDRE 000 ORTAOKULU 06-07 EĞİTİM-ÖĞRETİM YILI 7. SINIFLAR MATEMATİK DERSİ ÜNİTELENDİRİLMİŞ YILLIK PLAN ÜNİTE ÖĞRENME ALANI ALT ÖĞRENME ALANI Ders Saati 9.09.06/.09.06 Tam Sayılarla Çarpma ve Bölme i 7...
DetaylıULUSAL COĞRAFİ BILGİ SISTEMLERİ KONGRESİ 30 Ekim 02 Kasım 2007, KTÜ, Trabzon
ULUSAL COĞRAFİ BILGİ SISTEMLERİ KONGRESİ 30 Ekim 02 Kasım 2007, KTÜ, Trabzon Uydu Verilerinin Farklı Yöntemlerle Karılması ve Sonuçların Karşılaştırılması Öğr. Gör. Bora UĞURLU Prof. Dr. Hülya YILDIRIM
Detaylı1- Matematik ve Geometri
GEOMETRİ ÖĞRETİMİ 1- Matematik ve Geometri Matematik ve Geometri Bir çok matematikçi ve matematik eğitimcisi matematiği «cisimler, şekiller ve sembollerle ilişkiler ve desenler inşa etme etkinliği» olarak
DetaylıYZM 3217 YAPAY ZEKA DERS#10: KÜMELEME
YZM 317 YAPAY ZEKA DERS#10: KÜMELEME Sınıflandırma (Classification) Eğiticili (supervised) sınıflandırma: Sınıflandırma: Sınıf sayısı ve bir grup örneğin hangi sınıfa ait olduğunu bilinir Eğiticisiz (unsupervised)
Detaylı4. Çok büyük ve çok küçük pozitif sayıları bilimsel gösterimle ifade eder.
LENDİRME ŞEMASI ÜNİTE Üslü 1. Bir tam sayının negatif kuvvetini belirler ve rasyonel sayı olarak ifade eder.. Ondalık kesirlerin veya rasyonel sayıların kendileriyle tekrarlı çarpımını üslü sayı olarak
DetaylıVERİ MADENCİLİĞİ (Kümeleme) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Kümeleme) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Kümeleme İşlemleri Kümeleme Tanımı Kümeleme Uygulamaları Kümeleme Yöntemleri Kümeleme (Clustering) Kümeleme birbirine
Detaylı8. SINIF YARIYIL ÇALIŞMA TESTİ TEST 1 ( ) TEKRAR EDEN YANSIYAN ve DÖNEN ŞEKİLLER HİSTOGRAM STANDART SAPMA
8. SINIF YARIYIL ÇALIŞMA TESTİ TEKRAR EDEN YANSIYAN ve DÖNEN ŞEKİLLER HİSTOGRAM STANDART SAPMA TEST 1 (11-1) 1. I. Geometrik fraktal kendini giderek küçülen veya büyüyen boyutta yineler. II. Fraktalın
DetaylıV =, (V = hacim, m = kütle, d = özkütle) Bu bağıntı V = olarak da yazılabilir G: ağırlık (yerçekimi kuvveti) G = mg p = özgül ağırlık p = dg dir.
Geometrik Cisimlerin Hacimleri Uzayda yer kaplayan (üç boyutlu) nesnelere cisim denir. Düzgün geometrik cisimlerin hacimleri bağıntılar yardımıyla bulunur. Eğer cisim düzgün değilse cismin hacmi cismin
DetaylıTürkçe Dokümanlar Ġçin Yazar Tanıma
Türkçe Dokümanlar Ġçin Yazar Tanıma Özcan KOLYĠĞĠT, Rıfat AġLIYAN, Korhan GÜNEL Adnan Menderes Üniversitesi, Matematik Bölümü Bölümü, Aydın okolyigit@gmail.com, rasliyan@adu.edu.tr, kgunel@adu.edu.tr Özet:
DetaylıBu bölümde; Çok ölçütlü karar verme yöntemlerinden biri olan TOPSİS yöntemi anlatılacaktır.
ÇOK ÖLÇÜTLÜ KARAR VERME TOPSIS (Technique For Order Preference By Similarity To Ideal Solution) PROF. DR. İBRAHİM ÇİL 1 Bu bölümde; Çok ölçütlü karar verme yöntemlerinden biri olan TOPSİS yöntemi anlatılacaktır.
DetaylıT.C. Ölçme, Seçme ve Yerleştirme Merkezi
T.C. Ölçme, Seçme ve Yerleştirme Merkezi LİSANS YERLEŞTİRME SINAVI-1 MATEMATİK TESTİ 11 HAZİRAN 2017 PAZAR Bu testlerin her hakkı saklıdır. Hangi amaçla olursa olsun, testlerin tamamının veya bir kısmının
Detaylı2013 2014 EĞİTİM ÖĞRETİM YILI 8. SINIF MATEMATİK DERSİ KONULARININ ÇALIŞMA TAKVİMİNE GÖRE DAĞILIM ÇİZELGESİ ALT ÖĞRENME. Örüntü ve Süslemeler
2013 2014 EĞİTİM ÖĞRETİM YILI 8. SINIF MATEMATİK DERSİ KONULARININ ÇALIŞMA TAKVİMİNE GÖRE DAĞILIM ÇİZELGESİ SÜRE ÖĞRENME Ay Hafta D.Saati ALANI EYLÜL 2 Geometri 2 3 Geometri 2 Geometri 2 Olasılıkve ALT
Detaylı5. SINIF MATEMATİK YILLIK PLANI
5. SINIF MATEMATİK YILLIK PLANI 2018-2019 DOĞAL SAYILAR VE İŞLEMLER 1.hafta 17-23 Eylül Milyonlar 5.1.1.1 5.1.1.2 6 01 1-2 2.hafta 24-30 Eylül Örüntüler 5.1.1.3 11 02 3-4 3.hafta 01-07 Ekim Doğal Sayılarda
DetaylıT.C. Ölçme, Seçme ve Yerleştirme Merkezi
T.C. Ölçme, Seçme ve Yerleştirme Merkezi LİSANS YERLEŞTİRME SINAVI-1 MATEMATİK TESTİ 11 HAZİRAN 2017 PAZAR Bu testlerin her hakkı saklıdır. Hangi amaçla olursa olsun, testlerin tamamının veya bir kısmının
DetaylıTANIMLAYICI İSTATİSTİKLER
TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin
DetaylıMetal kalıplar Tabanı plastik enjeksiyonla üretilen, sayası ısı ile form alması istenilen (Rok ) ayakkabıların imalatında kullanılmaktadır.
KALIP ÖZELLİKLERİ VE ÇEŞİTLERİ, KALIP ÜZERİNDE ÖLÇÜ ALINACAK TEMEL NOKTALAR Kalıp Üzerinde, modelin çizilip hazırlandığı, sayanın monte edildiği ve tabanın yerleştirildiği ayakkabının şeklini vermek için
DetaylıMATEMATİKSEL MAKALELERİN İNCELEMELERİ MURAT KAŞLI. https://www.facebook.com/mrtkasli
MATEMATİKSEL MAKALELERİN İNCELEMELERİ MURAT KAŞLI https://www.facebook.com/mrtkasli İnteraktif Oyunların Matematik Açısından Etkisi Van Hiele Geometri Anlama Düzeyleri 1. Düzey: Görsel düzey Öğrenci
DetaylıKan Damarı Genişliği Değişiminin Ölçülmesinde Medikal Görüntü İşlemenin Uygulanması
Kan Damarı Genişliği Değişiminin Ölçülmesinde Medikal Görüntü İşlemenin Uygulanması Öğr. Gör. İsmail KAHRAMAN, Uzm. Vildan BAYRAM, Prof.Dr. Ertuğrul Ercan, Doç.Dr. Bahadır Kırılmaz Çanakkale 18 Mart Üniversitesi
DetaylıDoğada ki en belirgin özelliklerine; İnsan vücudunda Deniz kabuklarında Ağaç dallarında rastlanır.
Doğada ki en belirgin özelliklerine; İnsan vücudunda Deniz kabuklarında Ağaç dallarında rastlanır. Altın oran pi (π) gibi irrasyonel bir sayıdır ve ondalık sistemde yazılışı 1.618033988749894..(Noktadan
DetaylıFİLMLER FİLM VE FİLM ÖZELLİKLERİ
FİLMLER FİLM VE FİLM ÖZELLİKLERİ Filmin Tanımı Fotoğraf makinesinde, pozlandırılacak olan konunun görüntüsünü saptamak için ışığa duyarlı madde ile kaplanmış saydam taşıyıcıya film denir. Film üzerinde
DetaylıKitle: Belirli bir özelliğe sahip bireylerin veya birimlerin tümünün oluşturduğu topluluğa kitle denir.
BÖLÜM 1: FREKANS DAĞILIMLARI 1.1. Giriş İstatistik, rasgelelik içeren olaylar, süreçler, sistemler hakkında modeller kurmada, gözlemlere dayanarak bu modellerin geçerliliğini sınamada ve bu modellerden
DetaylıBu cetvel aşağıdaki hangi iki noktadan bükülürse, uç noktalar birleşerek bir üçgen oluşturamaz? A) N ve S B) P ve T C) M ve P D) V ve N
1. Yukarıda 11 eşit bölmeli bükülebilen bir cetvel mevcuttur. Bu cetvel aşağıdaki hangi iki noktadan bükülürse, uç noktalar birleşerek bir üçgen oluşturamaz? A) N ve S B) P ve T C) M ve P D) V ve N 2.
DetaylıSİLİNDİRİK ELEKTROT SİSTEMLERİ
EM 420 Yüksek Gerilim Tekniği SİLİNDİRİK ELEKTROT SİSTEMLERİ YRD.DOÇ. DR. CABBAR VEYSEL BAYSAL ELEKTRIK & ELEKTRONIK YÜK. MÜH. Not: Tüm slaytlar, listelenen ders kaynaklarından alıntı yapılarak ve faydalanılarak
DetaylıAkış YILDIZ TEKNİK ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ
Akış Makine Öğrenmesi nedir? Günlük Hayatımızdaki Uygulamaları Verilerin Sayısallaştırılması Özellik Belirleme Özellik Seçim Metotları Bilgi Kazancı (Informaiton Gain-IG) Sinyalin Gürültüye Oranı: (S2N
DetaylıDoküman dili tanıma için ikili örüntüler tabanlı yeni bir yaklaşım
Doküman dili tanıma için ikili örüntüler tabanlı yeni bir yaklaşım Yılmaz KAYA 1, Ömer Faruk ERTUĞRUL 2, Ramazan TEKİN 3 1 Siirt Üniversitesi, Bilgisayar Mühendisliği Bölümü 2 Batman Üniversitesi, Elektrik-Elektronik
DetaylıMMR 101 MİMARLIKTA TEMEL TASARIM I. Güz Dönemi Atılım Üniversitesi GSTMF Mimarlık Bölümü Lisans Programı 1.Yıl
MMR 101 MİMARLIKTA TEMEL TASARIM I. Güz Dönemi 2016-2017 Atılım Üniversitesi GSTMF Mimarlık Bölümü Lisans Programı 1.Yıl Selahattin Önür, Melike Orhan, Zeynep Tanrıverdi, Gizem Kuçak Toprak, Alper Gündüz
DetaylıARAZİ ÖLÇMELERİ. Temel Ödev I: Koordinatları belirli iki nokta arasında ki yatay mesafenin
Temel ödevler Temel ödevler, konum değerlerinin bulunması ve aplikasyon işlemlerine dair matematiksel ve geometrik hesaplamaları içeren yöntemlerdir. öntemlerin isimleri genelde temel ödev olarak isimlendirilir.
DetaylıŞehir ve Bölge Planlamada Tasarım Değişkeni Boğuculuk Fonksiyonu için Değişkeleme Önerisi. R. Haluk KUL TC Beykent Üniversitesi, hkul@beykent.edu.
Şehir ve Bölge Planlamada Tasarım Değişkeni Boğuculuk Fonksiyonu için Değişkeleme Önerisi R. Haluk KUL TC Beykent Üniversitesi hkul@beykent.edu.tr ÖZET Uydu Kentlerin tasarımında kullanılmak üzere önerilen
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
DetaylıMakine Öğrenmesi 2. hafta
Makine Öğrenmesi 2. hafta Uzaklığa dayalı gruplandırma K-means kümeleme K-NN sınıflayıcı 1 Uzaklığa dayalı gruplandırma Makine öğrenmesinde amaç birbirine en çok benzeyen veri noktalarını aynı grup içerisinde
Detaylı2013 2014 EĞİTİM ÖĞRETİM YILI 8. SINIF MATEMATİK DERSİ KAZANIMLARININ ÇALIŞMA TAKVİMİNE GÖRE DAĞILIM ÇİZELGESİ KAZANIMLAR
KASIM EKİM EYLÜL Ay Hafta D.Saat i 0 04 EĞİTİM ÖĞRETİM YILI 8. SINIF MATEMATİK DERSİ KAZANIMLARININ ÇALIŞMA TAKVİMİNE GÖRE SÜRE ÖĞRENME ALANI ALT ÖĞRENME ALANI Örüntü Süslemeler si KAZANIMLAR.Doğru, çokgen
DetaylıFRAKTAL GEOMETRİVE UYGULAMALARI
FRAKTAL GEOMETRİVE UYGULAMALARI 4.1 Vonkoch Eğrisi Şekil 4.1. Von Koch Eğrisi Burada bir doğru parçası ile başlanır. Doğru parçası üç eşit parçaya ayrılır, ortadaki parça alınır ve bir eşkenar üçgen şeklinde
DetaylıSİDRE 2000 ORTAOKULU EĞİTİM-ÖĞRETİM YILI 8. SINIFLAR MATEMATİK DERSİ ÜNİTELENDİRİLMİŞ YILLIK PLAN
E Y L Ü L ÜNİTE SİDRE 000 ORTAOKULU 06-07 EĞİTİM-ÖĞRETİM YILI 8. SINIFLAR MATEMATİK DERSİ ÜNİTELENDİRİLMİŞ YILLIK PLAN 9.09.06/.09.06 6.09.06/0.09.06 Çarpanlar ve Katlar Çarpanlar ve Katlar 8... Verilen
Detaylıİki Boyutlu Dalgacık Dönüşümü Kullanarak Ön Cepheden Çekilmiş İnsan Yüzü Resimlerini Tanıma Üzerine Yaklaşımlar
KSÜ Mühendislik Bilimleri Dergisi, 12(1), 2009 6 KSU Journal of Engineering Sciences, 12 (1), 2009 İki Boyutlu Dalgacık Dönüşümü Kullanarak Ön Cepheden Çekilmiş İnsan Yüzü Resimlerini Tanıma Üzerine Yaklaşımlar
DetaylıPage 1. İz Düşüm Çeşitleri ve Metotları
4. İz Düşümler TEKNİK BİLİMLER MESLEK YÜKSEKOKULU Teknik Resim Genel Bilgi Kullandığımız bir çok eşya ve makineyi veya bunlara ait parçaların imal edilebilmesi için şekillerini ifade eden resimlerinin
DetaylıİSTATİSTİKSEL PROSES KONTROLÜ
İSTATİSTİKSEL PROSES KONTROLÜ ZTM 433 KALİTE KONTROL VE STANDARDİZASYON PROF: DR: AHMET ÇOLAK İstatistiksel işlem kontrolü (İPK), işlemle çeşitli istatistiksel metotların ve analiz sapmalarının kullanımını
DetaylıHİDROLİK. Yrd. Doç. Dr. Fatih TOSUNOĞLU
HİDROLİK Yrd. Doç. Dr. Fatih TOSUNOĞLU Ders Hakkında Genel Bilgiler Görüşme Saatleri:---------- Tavsiye edilen kitaplar: 1-Hidrolik (Prof. Dr. B. Mutlu SÜMER, Prof. Dr. İstemi ÜNSAL. ) 2-Akışkanlar Mekaniği
DetaylıMühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş
Mühendislik Mekaniği Statik Yrd.Doç.Dr. Akın Ataş Bölüm 9 Ağırlık Merkezi ve Geometrik Merkez Kaynak: Mühendislik Mekaniği: Statik, R. C. Hibbeler, S. C. Fan, Çevirenler: A. Soyuçok, Ö. Soyuçok. 9. Ağırlık
Detaylı2012 YGS MATEMATİK Soruları
01 YGS MATEMATİK Soruları 1. 10, 1, 0, 0, işleminin sonucu kaçtır? A) B), C) 6 D) 6, E) 7. + ABC 4 x 864 Yukarıda verilenlere göre, çarpma işleminin sonucu kaçtır? A) 8974 B) 907 C) 9164 D) 94 E) 98. 6
DetaylıRÜZGAR YÜKÜNÜN BİR TİCARİ ARAÇ SERVİS KAPISINA OLAN ETKİLERİNİN İNCELENMESİ
RÜZGAR YÜKÜNÜN BİR TİCARİ ARAÇ SERVİS KAPISINA OLAN ETKİLERİNİN İNCELENMESİ Melih Tuğrul, Serkan Er Hexagon Studio Araç Mühendisliği Bölümü OTEKON 2010 5. Otomotiv Teknolojileri Kongresi 07 08 Haziran
DetaylıBilgisayarla Görüye Giriş
Bilgisayarla Görüye Giriş Ders 7 SIFT ve Öznitelik Eşleme Alp Ertürk alp.erturk@kocaeli.edu.tr Panorama Oluşturma Görüntü mozaikleme, panorama oluşturma gibi tüm uygulamalar için öncelikle ilgili görüntülerin
Detaylıa) Çıkarma işleminin; eksilen ile çıkanın ters işaretlisinin toplamı anlamına geldiğini kavrar.
7. SINIF KAZANIM VE AÇIKLAMALARI M.7.1. SAYILAR VE İŞLEMLER M.7.1.1. Tam Sayılarla Toplama, Çıkarma, Çarpma ve Bölme İşlemleri M.7.1.1.1. Tam sayılarla toplama ve çıkarma işlemlerini yapar; ilgili problemleri
DetaylıKADASTRO HARİTALARININ SAYISALLAŞTIRILMASINDA KALİTE KONTROL ANALİZİ
KADASTRO HARİTALARININ SAYISALLAŞTIRILMASINDA KALİTE KONTROL ANALİZİ Yasemin ŞİŞMAN, Ülkü KIRICI Sunum Akış Şeması 1. GİRİŞ 2. MATERYAL VE METHOD 3. AFİN KOORDİNAT DÖNÜŞÜMÜ 4. KALİTE KONTROL 5. İRDELEME
DetaylıYığma yapı elemanları ve bu elemanlardan temel taşıyıcı olan yığma duvarlar ve malzeme karakteristiklerinin araştırılması
Yığma yapı elemanları ve bu elemanlardan temel taşıyıcı olan yığma duvarlar ve malzeme karakteristiklerinin araştırılması Farklı sonlu eleman tipleri ve farklı modelleme teknikleri kullanılarak yığma duvarların
DetaylıK-En Yakın Komşu Algoritması Parametrelerinin Sınıflandırma Performansı Üzerine Etkisinin İncelenmesi
K-En Yakın Komşu Algoritması Parametrelerinin Sınıflandırma Performansı Üzerine Etkisinin İncelenmesi Erdal TAŞCI* Aytuğ ONAN** *Ege Üniversitesi Bilgisayar Mühendisliği Bölümü **Celal Bayar Üniversitesi
DetaylıMühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş
Mühendislik Mekaniği Statik Yrd.Doç.Dr. Akın Ataş Bölüm 2 Kuvvet Vektörleri Kaynak: Mühendislik Mekaniği: Statik, R.C.Hibbeler, S.C.Fan, Çevirenler: A. Soyuçok, Ö.Soyuçok. 2 Kuvvet Vektörleri Bu bölümde,
DetaylıRapor Hazırlama Kuralları
Temel Bilgiler 1. Temel Bilgiler Rapor Hazırlama Kuralları Rapor hazırlamada, bu belge ile birlikte bulunan rapor örneği sitili kullanılabilir. Bu kalıp stil seçildiğinde, sayfa düzeni, paragraf yapıları
Detaylı