Elektrik Elektronik Mühendisliği Bölümü Yayın Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12416/411

Browse

Filters

2019 - 201912020 - 20224

Settings

Publication Index: search.filters.publicationIndex.TR-DizinSubject: search.filters.subject.Bilgisayar Bilimleri

Search Results

Now showing 1 - 5 of 5
  • Article
    Efficient Task Scheduling in Cloud Systems With Adaptive Discrete Chimp Algorithm
    (2022) Gündüzalp, Emrullah; Yıldırım, Güngör; Tatar, Yetkın
    Successful task scheduling is one of the priority actions to increase energy efficiency, commercial earnings, and customer satisfaction in cloud computing. On the other hand, since task scheduling processes are NP-hard problems, it is difficult to talk about an absolute solution, especially in scenarios with large task numbers. For this reason, metaheuristic algorithms are frequently used in solving these problems. This study focuses on the metaheuristic-based solution of optimization of makespan, which is one of the important scheduling problems of cloud computing. The adapted Chimp Optimization Algorithm, with enhanced exploration and exploitation phases, is proposed for the first time to solve these problems. The solutions obtained from this adapted algorithm, which can use different mathematical functions, are discussed comparatively. The proposed solutions are also tested in the CloudSim simulator for different scenarios and they prove their performance in the cloud environment.
  • Article
    Ear Semantic Segmentation in Natural Images With Tversky Loss Function Supported Deeplabv3+ Convolutional Neural Network
    (2022) Kacar, Umit; Inan, Tolga
    Semantic segmentation is a fundamental problem for computer vision. On the other hand, for studies in the field of biometrics, semantic segmentation is gaining more importance. Many successful biometric recognition systems require a high- performance semantic segmentation algorithm. In this study, we present an effective ear segmentation technique in natural images. A convolutional neural network is trained for pixel-based ear segmentation. DeepLab v3+ network structure, with ResNet-18 as the backbone and Tversky lost function layer as the last layer, has been trained with natural and uncontrolled images. We perform the proposed network training using only the 750 images in the Annotated Web Ears (AWE) training set. The corresponding tests are performed on the AWE Test Set, University of Ljubljana Test Set, and the Collection A of In-The-Wild dataset. For the Annotated Web Ears (AWE) dataset, intersection over union (IoU) is measured as 86.3% for the AWE database. To the best of our knowledge, this is the highest performance achieved among the algorithms tested on the AWE test set.
  • Article
    Optimal Gama Değeri Saptama (Ogva) Yöntemi ile Görüntü Parlaklık Seviyesinin Dinamik Optimizasyonu
    (2020) Preveze, Barbaros
    Bu çalışmada, önerilen Optimum Gama Değeri Ataması (OGVA) yöntemi ile istenmeyen ışık seviyeleri içeren görüntülerde görüntü ışık seviyesinin dinamik olarak optimize edilmesi amaçlanmıştır. Bu amaçla ışığın yetersizliğinden dolayı görülemeyen karanlık görüntüler aydınlatılırken, parlak görüntülerin ise anlık olarak uygulanan en iyi gama düzeltme değeri kullanılarak dinamik olarak karartılması amaçlanmaktadır. Herhangi bir ek donanım gerektirmeden sadece yazılım olarak uygulanacak olan bu yeni yöntemin, çok küçük hesaplama maliyeti ile farklı ışık seviyeleri için bile tatmin edici sonuçlar verdiği gösterilmiştir.
  • Article
    A Hybrid Framework for Matching Printing Design Files To Product Photos
    (2020) Akagunduz, Erdem; Kaplan, Alper
    We propose a real-time image matching framework, which is hybrid in the sense that it uses both hand - crafted features and deep features obtained from a well -tuned deep convolutional network. The matching problem, which we concentrate on, is specific to a certain application, that is, printing design to product photo matching. Printing designs are any kind of template image files, created using a design tool, thus are perfect image signals. For this purpose, we create an image set that includes printing design and corresponding product photo pairs with collaboration of an actual printing facility. Using this image set, we benchmark various hand-crafted (SIFT, SURF, GIST, HoG) and deep features for matching performance. Various segmentation algorithms including deep learning based segmentation methods are applied to select feature regions. Results show that SIFT features selected from deep segmented regions achieves up to 96% product photo to design file matching success in our dataset. We propose a framework in which deep learning is utilized with highest contribution, but without disabling real-time operation using an ordinary desktop computer.
  • Article
    Paket Anahtarlamalı Ağlarda Yavaş Başlangıç Sıkışıklık Metodu Performans Artırımı İçin Yeni Bir Metot
    (2019) Preveze, Barbaros
    Tüm akıllı ağlar, akıllı telefonlar, araç multimedya sistemleri giyilebilir teknolojiler ve IP TV'ler ile tanışılmasıyla birlikte internet bağlantılı cihaz ve uygulamaların sayısı da oldukça artmaktadır. Bu durum, paket anahtarlama ağlarında bant genişliği kullanımı miktarında artışa sebep olmuştur. Böylece, bant genişliğinin etkin kullanımı ve sistem performansı daha önemli hale gelmiştir ve literatürde ağ performansını iyileştirmeye çalışan çok sayıda çalışma bulunmaktadır. Ağ yapılarında finansal destek gerektiren donanım tabanlı modifikasyonlar yapmak yerine daha çok, kullanılan yöntemlerin yazılımsal modifikasyonları tercih edilmektedir. Bu çalışmada, daha iyi bir tıkanıklık kontrolü için paket anahtarlamalı ağlarda Eşiğe Geri Dön (RBT) adı verilen yeni bir yöntem önerilmiştir.