Covid19 yayılımını azaltmak için yüz maskesinin evrişimsel sinir ağı modelleri ile tespiti
| dc.authorid | 0000-0002-9303-3463 | |
| dc.authorid | 0000-0002-3752-7354 | |
| dc.authorid | 0000-0001-9483-4425 | |
| dc.contributor.author | Daşgın, Aslıhan | |
| dc.contributor.author | Adem, Kemal | |
| dc.contributor.author | Kılıçarslan, Serhat | |
| dc.date.accessioned | 2024-03-18T10:36:42Z | |
| dc.date.available | 2024-03-18T10:36:42Z | |
| dc.date.issued | 2023 | |
| dc.department | Sosyal Bilimler Enstitüsü | |
| dc.description.abstract | Son yıllarda hayatımızın gerçeği olan ve tüm dünya için pandemi haline gelen Covid-19’un gerekli tedbirlere sıkı şekilde uyulmadığı takdirde bulaşma oranı artmakta hatta varyantları bile ortaya çıkmaya başlamaktadır. DSÖ tarafından yayınlanan ve alınması gerekli olan tedbirler alındıkça hastalıkla mücadele daha kolay hale gelebilmektedir. Tedbirlere uymanın zorluğu olsa da uymaya özen gösterildiği taktirde, hastalık ya daha hafif atlatılmakta ya da hastalığa kolayca yakalanılmamaktadır. Bu tedbirlerin en önemlilerinden birisi de kalabalık alanlarda maske kullanımına özen gösterilmesidir. Maske kullanımının önemi araştırmalarla desteklenmesinden sonra, bazı alışveriş merkezi, sağlık kuruluşları, okullar gibi kalabalık mekanlarda maske kullanımına yönelik denetimler başlamıştır. Ancak bu denetimleri bir insanın gerçekleştirmesi zor olduğundan günümüzde sıklıkla kullanılan derin öğrenme yöntemleriyle maske tespiti çalışmaları yapılmaya başlanmıştır. Bu tez çalışmasında, transfer öğrenme tabanlı modeller kullanılarak maske tespiti gerçekleştirilmesi amaçlanmaktadır. Kaggle web sitesinde bulunan veri seti ile toplamda 906 görüntü ile DenseNet121, EfficientNetV2M, NasNetMobile, InceptionV3, VGG19 ve InceptionResNetV2 derin öğrenme modelleri kullanılmıştır. Deneysel değerlendirmeler sonucunda, en iyi başarı oranı olarak NasNetMobile modeliyle, %99.35 doğruluk, %99 kesinlik, %99 geri çağırma ve %99 f1 skorları elde edildiği görülmüştür. | |
| dc.description.abstract | In recent years, Covid-19, which has become a reality of our lives and has become a pandemic for the whole world, increases the rate of infection and even variants of it begin to appear if the necessary precautions are not strictly followed. As the measures published by WHO and necessary to be taken are taken, the fight against the disease may become easier. Although it is difficult to comply with the measures, if care is taken to comply, the disease is either milder or the disease is not easily caught. One of the most important of these measures is to pay attention to the use of masks in crowded areas. After the importance of mask use was supported by research, inspections for the use of masks in crowded places such as some shopping malls, health institutions and schools began. However, since it is difficult for a human to perform these inspections, mask detection studies have begun to be carried out with deep learning methods, which are frequently used today. In this thesis, it is aimed to perform mask detection using transfer learning based models. DenseNet121, EfficientNetV2M, NasNetMobile, InceptionV3, VGG19 and InceptionResNetV2 deep learning models were used with a total of 906 images with the data set available on the Kaggle website. As a result of the experimental evaluations, it was seen that the best success rate was obtained with the NasNetMobile model, with 99.35% accuracy, 99% precision, 99% recall and 99% f1 scores. | |
| dc.identifier.doi | 10.21597/jist.1251058 | |
| dc.identifier.endpage | 1527 | en_US |
| dc.identifier.issn | 2146-0574 | |
| dc.identifier.issn | 2536-4618 | |
| dc.identifier.issue | 3 | en_US |
| dc.identifier.startpage | 1511 | en_US |
| dc.identifier.uri | https:/dx.doi.org10.21597/jist.1251058 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12451/11475 | |
| dc.identifier.volume | 13 | en_US |
| dc.indekslendigikaynak | TR-Dizin | |
| dc.language.iso | tr | |
| dc.publisher | Iğdır Üniversitesi | |
| dc.relation.ispartof | Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi | |
| dc.relation.publicationcategory | Makale - Uluslararası Hakemli Dergi - Kurum Öğretim Elemanı | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | Maske Tespiti | |
| dc.subject | Derin Öğrenme | |
| dc.subject | CNN | |
| dc.subject | Covid-19 | |
| dc.subject | Maskeli | |
| dc.subject | Maskesiz | |
| dc.subject | Nesne Tespiti | |
| dc.subject | Mask Detection | |
| dc.subject | Deep Learning | |
| dc.subject | Masked | |
| dc.subject | Unmasked | |
| dc.subject | Object Detection | |
| dc.title | Covid19 yayılımını azaltmak için yüz maskesinin evrişimsel sinir ağı modelleri ile tespiti | |
| dc.title.alternative | Detection Of Face Mask With Convolutional Neural Network Models To Reduce Covid19 Spread | |
| dc.type | Article |
