Browsing by Author "Aslan, Cengiz"

Now showing 1 - 3 of 3

A Comprehensive Hybrid Approach for Indoor Scene Recognition Combining CNNs and Text-Based Features
(MDPI, 2025) Uckan, Taner; Aslan, Cengiz; Hark, Cengiz
Highlights What are the main findings? Proposed an innovative two-channel hybrid model by integrating convolutional neural networks (CNNs) with a text-based classifier. Leveraged an extended dataset derived from multiple object recognition models, increasing input data diversity and achieving a text-based classifier accuracy of 73.30%. Achieved a significant improvement of 8.33% in accuracy compared to CNN-only models, with the hybrid model attaining an accuracy of 90.46%. What is the implication of the main finding? Efficient and Scalable Methodology: Utilized EfficientNet for CNN-based feature extraction and Bag-of-Words for text representation, ensuring computational efficiency and scalability. Application Potential: Addressed challenges in indoor scene recognition, such as complex backgrounds and object diversity, demonstrating significant potential for applications in robotics, intelligent surveillance, and assistive systems.Highlights What are the main findings? Proposed an innovative two-channel hybrid model by integrating convolutional neural networks (CNNs) with a text-based classifier. Leveraged an extended dataset derived from multiple object recognition models, increasing input data diversity and achieving a text-based classifier accuracy of 73.30%. Achieved a significant improvement of 8.33% in accuracy compared to CNN-only models, with the hybrid model attaining an accuracy of 90.46%. What is the implication of the main finding? Efficient and Scalable Methodology: Utilized EfficientNet for CNN-based feature extraction and Bag-of-Words for text representation, ensuring computational efficiency and scalability. Application Potential: Addressed challenges in indoor scene recognition, such as complex backgrounds and object diversity, demonstrating significant potential for applications in robotics, intelligent surveillance, and assistive systems.Abstract Indoor scene recognition is a computer vision task that identifies various indoor environments, such as offices, libraries, kitchens, and restaurants. This research area is particularly significant for applications in robotics, security, and assistance for individuals with disabilities, as it enables the categorization of spaces and the provision of contextual information. Convolutional Neural Networks (CNNs) are commonly employed in this field. While CNNs perform well in outdoor scene recognition by focusing on global features such as mountains and skies, they often struggle with indoor scenes, where local features like furniture and objects are more critical. In this study, the "MIT 67 Indoor Scene" dataset is used to extract and combine features from both a CNN and a text-based model utilizing object recognition outputs, resulting in a two-channel hybrid model. The experimental results demonstrate that this hybrid approach, which integrates natural language processing and image processing techniques, improves the test accuracy of the image processing model by 8.3%, achieving a notable success rate. Furthermore, this study offers contributions to new application areas in remote sensing, particularly in indoor scene understanding and indoor mapping.
Developing a Multi-Channel Hybrid Model for Indoor Scene Recognition Using Text-Based Classifiers and Convolutional Neural Networks
(2025) Aslan, Cengiz; Uçkan, Taner
İç mekân sahne tanıma, kapalı alanlardaki farklı ortamları (ofis, kütüphane, mutfak, restoran gibi) tanımlamak için kullanılan bir bilgisayarlı görü problemidir. Robotik, güvenlik, engelli bireylere yardım gibi uygulamalarda mekânı kategorize ederek ortama dair bağlamsal bilgi sağlaması açısından kapsamlı ve güncel bir araştırma alanıdır. Birçok bilgisayarlı görü probleminde olduğu gibi iç mekân sahne tanımada da çoğunlukla evrişimli sinir ağları kullanılmaktadır. Evrişimli sinir ağları (CNN), dış mekân sahne tanımada görselin (örneğin dağ, deniz veya gökyüzünün genel hatları gibi) genel özelliklerine kolayca odaklanarak nispeten daha başarılı iken; iç mekân sahne tanımada görselin yerel özelliklerine (mobilyalar, objeler, çeşitli nesneler gibi ayrıntılara) odaklanmada aynı yüksek başarıyı gösterememektedir. 'MIT 67 Indoor Scene' veri setinin kullanıldığı bu çalışmada önerilen iki kanallı hibrit modelde, evrişimli sinir ağları modelinden gelen özellikler ile nesne tanıma kelimeleri kullanılarak geliştirilen metin tabanlı modelden gelen özellikler birleştirilip eğitilmektedir. Doğal dil işleme ve görüntü işleme teknikleri bir arada kullanılarak geliştirilen bu hibrit model ile görüntü işleme modelinin test başarısı %9 arttırılarak yüksek bir başarı oranı elde edilmiştir.
Honey Badger Optimizasyon Algoritması ile Üç Elemanlı Kafes Sisteminin Ağırlık ve Maliyet Minimizasyonu
(2023) Aslan, Cengiz; Seyyarer, Ebubekir; Uçkan, Taner
Meta-sezgisel optimizasyon yöntemleri geleneksel algoritmalarla çözümün çok maliyetli olacağı büyük ölçekli gerçek hayat problemleri için başarılı sonuçlar sergilemekte ve birçok alandan araştırmacının ilgi odağı haline gelmektedir. Bu alana duyulan ilgi sayesinde genetik, fizik, biyoloji, müzik gibi ilhamını çeşitli kaynaklardan alan araştırmacılar, yeni meta-sezgisel algoritmalar oluşturmaya devam etmektedir. Şubat 2022’de yayımlanan Bal Porsuğu Algoritması (Honey Badger Algorithm, HBA), ilhamını bal porsuğunun yiyecek arama stratejilerine dayandırmaktadır. Bu çalışmada HBA’nın yanı sıra alan yazının başarısı kanıtlanmış algoritmalarından olan Genetik Algoritma (Genetik Algorithm, GA), Parçacık Sürü (Partical Swarm Optimization, PSO), Yapay Arı Kolonisi (Artificial Bee Colony, ABC), Karınca Kolonisi (Ant Colony Optimization, ACO), Benzetimli Tavlama (Simulated Annealing, SA) algoritmaları, bir yapı problemi olan “üç elemanlı kafes sisteminin ağırlık ve maliyet minimizasyonu” na uygulanmaktadır. Elde edilen sonuçlara göre HBA’ nın, GA, ABC, ACO, SA algoritmalarına kıyasla daha iyi yakınsama hızına ve değerlere ulaştığı gözlemlenmektedir.