A means of transportation is the way in which an object, person, or service is transported from one place to another. Rail transportation occupies an important place in terms of cost and reliability. Most train accidents are caused by faults in railroad tracks. Detecting faults in railroad tracks is a difficult and time-consuming process compared to conventional methods. In this study, an artificial intelligence based model is proposed that can detect faults in railroad tracks. The dataset used in the study consists of defective and non-defective railroad images. The proposed model consists of foldable neural networks developed using the Tensorflow library. Softmax method was used as a classifier. An overall accuracy of 92.21% was achieved in the experiment.
Günümüzde teknolojinin gelişmesi yapay zekâ çalışmalarının da hızlı bir şekilde gelişmesine olarak sağlamaktadır. Gelişen yapay zekâ çalışmaları arasında son zamanlarda popülerliği yüksek olan konulardan birisi sanal ortamlarda gerçekçi sahte yüzlerin oluşturulması ve kullanılmasıdır. Yapılan çalışmada içerisinde sahte ve gerçek yüzlerin yer aldığı görüntüler kullanılarak yüzlerin sahte/gerçek olduğunu ayırt etmek için bir dizi çalışmalar yapılmıştır. Yapılan çalışmada iki farklı sınıflandırma modeli (VGG, Xception) ve görüntüler üzerinde üç faklı yöntem (normal görüntü, Fourier dönüşümlü görüntü, Ayrık Kosinüs dönüşümlü görüntü) uygulanarak ayrı ayrı sınıflandırma işlemleri gerçekleştirilmiştir. Elde edilen sonuçlar karşılaştırılarak araştırmacılara kaynak olarak sunulmuştur.
Deprem, can ve mal kaybına neden olan bir doğal afettir. Deprem sonrası hasarların ve can kayıplarının en aza indirilebilmesi için ön hazırlıkların yapılması büyük önem taşımaktadır. Yapılan çalışmada duvar yüzeylerinde meydana gelen küçük veya büyük çaplı çatlakların tespit edilmesi işlemleri, son yıllarda bilgisayar alanında popüler çalışma konularından biri olan görüntü sınıflandırma yöntemleriyle gerçekleştirilmiştir. Çalışmada içerisinde çatlakların bulunduğu ve bulunmadığı 40000 duvar görüntülerinden oluşan veri seti kullanılmıştır. Sınıflandırma işlemlerinde DenseNet-201, VGG-19 ve Xception modelleri ayrı ayrı kullanılmıştır. Modeller kullanılarak görüntüler özellik haritaları çıkartılmıştır. Bir sonraki aşamada ise DenseNet-201 ile %99, VGG-19 ile %94 ve Xception modeli ile
%99 doğruluk oranı ile sınıflandırma işlemleri gerçekleştirilmiştir. Gerçekleştirilen sınıflandırma işlemlerindeki başarılar göz önüne alındığında hasar tespiti işlemlerinde kullanılabilecek alternatif bir yöntem sunulmaktadır.
Weather conditions appear as an unchangeable structure. However, determining and determining weather conditions can help individuals plan their physical activities. In the study, it has been tried to perform different sky images and weather detection processes with image classification methods, which is one of the popular work subjects in the computer field in recent years. In the study, a data set consisting of images with different weather conditions and resolutions was used. The number of images in the data set has been increased by using various data augmentation methods. The feature maps of the images were obtained by applying image processing techniques to the images. In the next part of the study, the classification process was carried out on the images with an accuracy rate of 96.4% using the DenseNet image classification model.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.