Akademik Veri Yönetim Sistemi
Tez Türü: Doktora
Tezin Yürütüldüğü Kurum: Fırat Üniversitesi, Teknoloji Fakültesi, Türkiye
Tez Danışmanı: Prof. Dr. Servet Tunver, Prof. Dr. Ahmet Baran
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Özet:
Elektronik güvenlik sistemleri artan güvenlik
kontrol ihtiyacının karşılanabilmesi için günümüzde oldukça önemli hale
gelmiştir. Güvenlik
kontrollerinde kullanılan gözetim kameraları çeşitli noktalara kurularak suç
unsuru oluşturabilecek nesnelerin izinsiz kullanımını tespit etmeye
çalışmakta ve bu şekilde suç faaliyetlerinin azaltılmasında güvenlik
kuvvetlerine önemli destek sağlanmaktadır. Suç faaliyetlerinin çoğu elde
tutulan veya taşınan silahlar vasıtasıyla gerçekleştirilmektedir. Silah
cinayet, hırsızlık, yasak av ve terör gibi çeşitli suçlar için kullanılan en
önemli suç unsurudur. Gözetleme sistemlerinin takibi dikkatli bir şekilde
yapılarak bu tür suç faaliyetleri önlenebilir. Bununla birlikte gözetleme
sistemlerinin insan vasıtası ile takibinin yapılması, gerek işgücü kullanımı
gerekse insandan kaynaklı nedenlerden dolayı beklendiği oranda efektif
olmayabilmektedir.
Bu tez kapsamında otonom güvenlik
kontrollerinde kullanılmak üzere, insanlar üzerinde silah olup olmadığını
tespit eden, ayrıca tespit ettiği silahın öğretilmiş 7 farklı sınıftan
hangisine ait olduğunu ayırt edebilen derin öğrenme tabanlı bir yapay zekâ
modeli geliştirilmiştir. Bu model hâlihazırda bulunan VGGNet isimli mimariyi
temel almakta ve silah sınıflandırması için yeni bir yaklaşım sunmaktadır.
Modele saldırı tüfeği, bazuka, el bombası, av tüfeği, bıçak, tabanca ve
revolver silah çeşitleri öğretilmiştir. Model, TensorFlow tabanında
geliştirilmiştir. Eğitim için gerekli yöntemin belirlenmesi, model
katmanlarının oluşturulması, eğitim işleminin uygulanması, eğitimin başarı
oranının belirlenmesi ve eğitilen modelin test edilmesi Keras kütüphanesi
kullanılarak gerçekleştirilmiştir.
Çalışmada geliştirilen modelin eğitimi için 7 farklı silah türünü içeren yeni bir veri seti hazırlanmıştır. Bu veri seti kullanılarak yeni geliştirilen model ile VGG-16, ResNet-50 ve ResNet-101 modelleri karşılaştırılmıştır. Karşılaştırma sonucunda geliştirilen modelin başarı doğruluğu %98,40 ve VGG-16 %89,75, ResNet-50 %93,70, ResNet-101 %83,33 olarak bulunmuş, geliştirilen modelin diğerlerinden daha iyi performans sağladığı görülmüştür.