A new approach based on convolutional neural network and feature selection for recognizing vehicle types

DOĞAN, Gürkan; Ergen, Burhan

doi:10.1007/s42044-022-00125-6

Cited by 5 publications

(1 citation statement)

References 33 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Önerilen modelin yüksek bir performans sergilemesi ise temel yapısını oluşturan EfficientNetB0 mimarisi ile elde edilen önemli öznitelik haritalarından kaynaklandığını söyleyebiliriz. Ayrıca literatürde öznitelik haritalarının çıkarılmasının önemi çalışma [21] ve [22]'de açıkça verilmiştir.…”

Section: İlgili çAlışmalarunclassified

EfficientNetB0 and SVM Based Approach for Colon Cancer Recognition from Histopathological Images

Çelik

2023

Fırat Üniversitesi Mühendislik Bilimleri Dergisi

View full text Add to dashboard Cite

Kolon kanseri, gelişmiş ülkelerde ciddi bir sağlık sorunu olmakta ve en sık görülen kanser türleri arasında gelmektedir. Bu hastalığın erken teşhisi hastaların hayatta kalma şansını artırmaktadır. Geciken teşhisler ise ölümle sonuçlanabilmektedir. Bu çalışmada kolon kanseri tespiti için EfficientNetB0 ve destek vektör makineleri (DVM) tabanlı bir model önerilmiştir. EfficientNetB0 mimarisi ile histopatolojik görüntülerden öznitelik haritalarının çıkarılması sağlanırken, DVM algoritması ile elde edilen öznitelik haritalarının sınıflandırılması gerçekleştirilmektedir. Ayrıca önerilen modelin başarısını analiz etmek üzere EfficientNetB0, Xception, VGG19, InceptionV3, DenseNet121 ve ResNet101 gibi evrişimli sinir ağları (ESA) mimarileri ile performans kıyaslaması yapılmıştır. Veri kümesi olarak sekiz sınıflı Kather-5k ve iki sınıflı LC25000 veri kümeleri kullanılmıştır. Elde edilen bulgular, önerilen modelin Kather-5k veri kümesi kullanıldığında %99.70 doğruluk, %100 kesinlik, %100 duyarlılık, %100 F1-Score, %99.71 G-ortalama, %100 özgüllük ve %99.83 AUC ile mevcut ESA mimarilerine kıyasla daha yüksek başarı sağladığını göstermiştir. LC25000 veri kümesi kullanıldığında ise önerilen model tüm metriklerde %100 başarı elde etmiştir. Benzer şekilde Kather-5k ve LC25000 veri kümeleri birleşiminden oluşan veri kümesi kullanıldığında önerilen model, %99.96 doğruluk, %100 kesinlik, %100 duyarlılık, %100 F1-Score, %99.92 G-ortalama, %100 özgüllük ve %99.96 AUC oranı ile diğer modellere kıyasla daha yüksek performans göstermiştir. Ayrıca önerilen model ile EfficientNetB0 mimarisinin başarısında önemli oranda bir başarı artışı sağlanmıştır.

show abstract

Section: İlgili çAlışmalarunclassified

EfficientNetB0 and SVM Based Approach for Colon Cancer Recognition from Histopathological Images

Çelik

2023

Fırat Üniversitesi Mühendislik Bilimleri Dergisi

View full text Add to dashboard Cite

show abstract

A new hybrid mobile CNN approach for crosswalk recognition in autonomous vehicles

Doğan,

Ergen

2024

Multimed Tools Appl

View full text Add to dashboard Cite

While automobile transportation is increasing worldwide, it also negatively affects the safety of road users. Along with the neglect of traffic rules, pedestrians account for 22% of all highway traffic deaths. Millions of pedestrians suffer non-fatal injuries from these accidents. Most of these injuries and deaths occur at crosswalks, where the highway and pedestrians intersect. In this study, deep learning-based a new hybrid mobile CNN approaches are proposed to reduce injuries and deaths by automatically recognizing of crosswalks in autonomous vehicles. The first of these proposed approaches is the HMCNet approach, which is a hybrid model in which the MobileNetv3 and MNasNet CNN models are used together. This model achieves approximately 2% more accuracy than the peak performance of the lean used MobileNetv3 and MNasNet models. Another proposed approach is the FHMCNet approach, which increases the success of the HMCNet approach. In the FHMCNet approach, LSVC feature selection method and SVM classification method are used in addition to HMCNet. This approach increased the classification success of HMCNet by more than approximately 2%. Finally, the proposed FHMCNet offered approximately 3% more classification accuracy than state-of-the-art methods in the literature.

show abstract

A novel convolutional neural network model with hybrid attentional atrous convolution module for detecting the areas affected by the flood

Şener,

Doğan,

Ergen

2023

Earth Sci Inform

View full text Add to dashboard Cite

A new approach based on convolutional neural network and feature selection for recognizing vehicle types

Cited by 5 publications

References 33 publications

EfficientNetB0 and SVM Based Approach for Colon Cancer Recognition from Histopathological Images

EfficientNetB0 and SVM Based Approach for Colon Cancer Recognition from Histopathological Images

A new hybrid mobile CNN approach for crosswalk recognition in autonomous vehicles

A novel convolutional neural network model with hybrid attentional atrous convolution module for detecting the areas affected by the flood

Contact Info

Product

Resources

About