Browsing by Author "Aktas, Kadir"

Now showing 1 - 2 of 2

Cosmic ray tomography based object reconstruction and recognition
(2023-10-11) Aktas, Kadir; Anbarjafari, Gholamreza, juhendaja; Kiisk, Madis, juhendaja; Giammanco, Andrea, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Tehnoloogia kiire areng ja valdkonnas tehtud edukad teadustööd on toonud endaga kaasa tehisintellektil põhinevate meetodite kasutamise laialdase leviku madalamatasemeliste ülesannete, näiteks objektituvastuse, lahendamisel. Objektituvastus proovib leida huvipakkuvaid objekte pildilt või pildijadadelt. Tuvastuse käigus lokaliseeritakse ja klassifitseeritakse pildil olevad objektid. Objektituvastus leiab laialdast kasutust mitmete reaalmaailma probleemide lahendamisel ja on seetõttu üks peamisi ülesandeid, mida arvutinägemises lahendatakse. Seda rakendatakse näiteks tomograafiasüsteemide väljundite uurimises, inimkäitumise analüüsis, meditsiinis ja spordi valdkonnas. Vaatamata objektituvastuse pikaajalisele käibel olemisele, on selles valdkonnas jätkuvalt palju väljakutsuvaid teemasid, mida uurida. Üheks selliseks näiteks on süvaõppe kasutamine müüontomograafias. Müüonid on elektroni sarnased elementaarosakesed, mis erinevaid materjale läbides neelduvad ja hajuvad erineva nurga all. Need hajumisnurgad peidavad endas informatsioon läbitud objektide kohta. Maal tekivad müüonid enamasti kosmilise kiirguse sisenemisel Maa atmosfääri. Müüontomograafias mõõdetakse osakeste sisenemis- ja väljumisnurkasid ümber huvipakkuva objekti. Nende nurkade põhjal rekonstrueeritakse objektist tomograafilised pildid. Saadud pilte kasutatakse objektituvastuses. Objektituvastuse tulemus on otseselt mõjutatud rekonstruktsioonist ja sellest kui täpselt suudetakse lokaliseerida müüonite tabamuspunkte detektori plaatidelt. Sügavate närvivõrkude kasutamine ülesande lahendamisel parandab märkimisväärselt tulemuste täpsust võrreldes traditsioonilise raskuskeskme meetodiga. Käesolevas töös näidatakse sügavate konvolutsiooniliste närvivõrkude edukat utiliseerimist objektituvastuse ülesannete lahendamisel keerukate ja mitmekesiste andmekogumite peal.
Deep Learning Based Automated Job Candidate Interview Screening
(Tartu Ülikool, 2019) Aktas, Kadir; Anbarjafari, Gholamreza, supervisor; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Tehnoloogiainstituut
Traditional way of recruitment process is challenging for both the candidate and the employer. To apply for a job, the candidate needs to prepare a CV. On the other hand, the employer needs to check all the submitted CVs and analyze the candidate data manually. These aspects can make the process very time consuming, especially when there are many candidates. Furthermore, the manual analysis of the candidate data is very open to human bias. The thesis proposes an automated video interview analysis system, which eliminates the problems mentioned above.