Filtreler

2018 - 201912020 - 20253
Filtreleri Sıfırla

Ayarlar

Yazar: Yelmenoğlu, Elif Deniz × search.filters.applied.f.publicationcategory: Konferans Öğesi - Uluslararası - Kurum Öğretim Elemanı ×

Arama Sonuçları

Listeleniyor 1 - 4 / 4
  • Küçük Resim
    Yayın
    Saliency detection with hybrid artificial bee colony-firefly optimization method
    (ICCESEN, 2018-12-28) Yelmenoğlu, Elif Deniz; Çelebi, Numan; Taşçı, Tuğrul; Akkurt, İskender; Günoğlu, Kadir; Akyıldırım, Hakan
    Implementation of optimization algorithms in image processing is a quite common area of research. Detecting salient fields in images can be used for problems such as object recognition, image segmentation or video tracking problems. This case makes the determination of saliency an important factor in image processing. The algorithms developed for salient region detection are divided into two approaches as bottom-up and top-down. The bottom-up techniques determine salient regions according to the data, and the top-down techniques discover these regions by the learning of visual information of a certain object. This paper presents an optimization technique for bottom-up saliency detection algorithm based on Hybrid Artificial Bee Colony- Firefly algorithm.
  • Küçük Resim
    Yayın
    İnsansız hava aracı ve Sentinel-2 görüntüleri kullanılarak ayçiçeği haritalamasına dayalı kovan yerleştirme karar destek sistemi
    (BZT Turan Publishing House, 2025-12-31) Yelmenoğlu, Elif Deniz; Aydın, Şahin; Çavdaroğlu, Gülsüm Çiğdem; Deniz, Hüseyin; Pajenado, Rex S.; Dilli, Şirin
    Ayçiçeği, yüksek nektar üretim kapasitesi nedeniyle gezici arıcılık faaliyetleri açısından stratejik öneme sahip tarımsal bitkilerden biridir. Ayçiçeği ekim alanlarının mekânsal ve zamansal dağılımı, arı kolonilerinin beslenme olanaklarını ve dolayısıyla bal verimini doğrudan etkilemektedir. Bu nedenle, arı kovanlarının uygun alanlara ve doğru zaman dilimlerinde yerleştirilmesi, gezici arıcılığın verimliliği açısından kritik bir karar sürecini oluşturmaktadır. Ancak mevcut uygulamalarda, kovan yer seçimi çoğunlukla arıcıların bireysel deneyimlerine ve sezgisel yaklaşımlarına dayalı olarak gerçekleştirilmekte; uzaktan algılama, görüntü işleme ve mekânsal analiz gibi veri temelli yöntemlerden yeterince yararlanılmamaktadır. Bu durum, potansiyel olarak verim kayıplarına ve kaynakların etkin kullanılmamasına yol açabilmektedir. Bu çalışmada, ayçiçeği yoğunluğunun doğru ve güvenilir biçimde belirlenmesi yoluyla kovan yerleştirme planlamasını desteklemeyi amaçlayan, çok ölçekli bir uzaktan algılama tabanlı karar destek çerçevesi önerilmektedir. Önerilen yaklaşım, saha ölçeğinde yüksek mekânsal çözünürlük sağlayan insansız hava aracı (İHA) görüntüleri ile bölgesel ölçekte geniş alan kapsama imkânı sunan Sentinel-2 uydu görüntülerinin entegrasyonuna dayanmaktadır. Çalışma alanı olarak, Türkiye’nin önemli ayçiçeği üretim merkezlerinden biri olan Kırklareli ili seçilmiş; veri seti, nektar üretiminin en yüksek olduğu ayçiçeği çiçeklenme dönemi dikkate alınarak oluşturulmuştur. Ayçiçeği tespiti, makine öğrenmesi tabanlı Random Forest sınıflandırma yöntemi kullanılarak gerçekleştirilmiş ve geliştirilen model %90,7 genel doğruluk değerine ulaşmıştır. Sınıf bazlı performans değerlendirmelerinde ise, ayçiçeği ekili alanlar ile ayçiçeği olmayan alanlar için F1-skoru her iki sınıf açısından da 0,91 olarak hesaplanmıştır. Bu sonuçlar, modelin hem nektar açısından zengin ayçiçeği alanlarını hem de ayçiçeği bulunmayan bölgeleri güçlü ve dengeli bir şekilde ayırt edebildiğini göstermektedir. Elde edilen ayçiçeği yoğunluk haritaları temel alınarak, ayçiçeği oranının yüksek olduğu alanlar arı kovanı yerleştirilmesi için uygun bölgeler olarak tanımlanmış; ayçiçeği yoğunluğunun düşük olduğu veya hiç bulunmadığı alanlar ise kovan yerleştirilmesine uygun olmayan bölgeler olarak değerlendirilmiştir. Çalışmadan elde edilen bulgular, çok ölçekli uzaktan algılama verilerinin makine öğrenmesi yöntemleriyle bütünleştirilmesinin, gezici arıcılık uygulamalarında veri temelli, güvenilir ve ölçeklenebilir karar destek sistemlerinin geliştirilmesine önemli katkılar sağlayabileceğini ortaya koymaktadır.
  • Küçük Resim
    Yayın
    Impact of vaccines on the COVID-19 pandemic in Turkey
    (2022-06-01) Yelmenoğlu, Elif Deniz; Elmas, Dilara
    COVID-19 (coronavirus disease-2019 pandemic continues to threaten public health and this situation is raising great concern all over the world. With the development of different vaccines, it was aimed to end the epidemic and increase community immunity in the past years. The research reduced public anxiety but the extent of the impact of vaccines in the pandemic is should be under investigation. Because the degree of availability of the COVID-19 vaccines was differing both nationally and globally. This makes it important to investigate how effective vaccination is on the epidemic. The main aim of this study is to investigate the possible recovery impact of vaccination on the COVID-19 pandemic in Turkey. In addition, the rates of severe disease during the first 3 doses of vaccination were also examined in this study. The analyses are conducted based on Spearman, Kendall and Pearson's correlation by using the data of the Ministry of Health of the Republic of Turkey. The obtained results showed that there are strong correlations between vaccination and recovery.
  • Küçük Resim
    Yayın
    Edge detection of aerial images using artificial bee colony algorithm
    (Selcuk University Faculty of Technology, 2021-11) Yelmenoğlu, Elif Deniz; Akhan Baykan, Nurdan; Taşdemir, Şakir
    Edge detection techniques are the one of the best popular and significant implementation areas of the image processing. Moreover, image processing is very widely used in so many fields. Therefore, lots of methods are used in the development and the developed studies provide a variety of solutions to problems of computer vision systems. In many studies, metaheuristic algorithms have been used for obtaining better results. In this paper, aerial images are used for edge information extraction by using Artificial Bee Colony (ABC) Optimization Algorithm. Procedures were performed on gray scale aerial images which are taken from RADIUS/DARPA-IU Fort Hood database. Initially bee colony size was specified according to sizes of images. Then a threshold value was set for each image, which related with images’ standard deviation of gray scale values. After the bees were distributed, fitness values and probability values were computed according to gray scale value. While appropriate pixels were specified, the other ones were being abandoned and labeled as banned pixels therefore bees never located on these pixels again. So the edges were found without the need to examine all pixels in the image. Our improved method’s results are compared with other results found in the literature according to detection error and similarity calculations’. All the experimental results show that ABC can be used for obtaining edge information from images.