| Proje Ekibi (2) |
Doç. Dr. Caner ÖZCAN
Karabük Üniversitesi, Türkiye Projedeki Rolü: Yürütücü |
Cahit Berkay KAZANGİRLER
Karabük Üniversitesi, Türkiye Projedeki Rolü: Araştırmacı |
| Proje Türü | Yükseköğretim Kurumları Tarafından Destekli Bilimsel Araştırma Projesi |
| Proje No | FYL-2020-2156 |
| Proje Konusu | Kullanıcı arabirimi (UI), insanların bir makine, cihaz, bilgisayar programı ya da karmaşık aletlerle etkileşimini sağlayan yöntemlerin bileşkesine verilen addır. UI prototipleme, uygulama geliştirmenin ilk aşamalarında gerekli bir adımdır. Grafik kullanıcı arabiriminin taslak çizimlerini, kodlanmış bir UI uygulamasına dönüştürmek zaman alıcı bir görevdir. UI tasarımlarının basit bir şekilde uygulanması için insan çabası yerini alabilecek otomatik bir sistem, bu prosedürü büyük ölçüde hızlandıracaktır. Bu çalışmada, Mask Region-based Convolutional Neural Network (Mask R-CNN) ile elle çizilmiş UI ögelerinin otomatik tespiti ve segmentasyonu açıklanmaktadır. Mask R-CNN, bir görüntüdeki nesneleri verimli bir şekilde algılarken aynı zamanda her bir örnek için yüksek kaliteli bir segmentasyon maskesi oluşturur. Buna ek olarak, nesne olmayan bölgeler arka plan olarak nitelendirilmektedir. Veri kümesinde 370 eğitim görüntüsü ve eğitim kümesinde bulunmayan 87 test görüntüsü olmak üzere toplam 457 adet veri yer almaktadır. Elde edilen taslak çizimlerde eğitim verileri için 3315 UI ögesi bulunurken test görüntülerinde ise 941 adet UI ögesi bulunmaktadır. Görüntüler, derin sinir ağına verilmeden önce UI ögelerinin tespit işleminin kolaylaşması için ön işleme aşamasından geçirilmiştir. Performans sonucunun doğruluğu için test görüntüleri üzerinde Microsoft Common Objects in Context (MS COCO) doğruluk metriklerinden hassasiyet (precision) ve ortalama genel hassasiyet olan Mean Average Precision (mAP) değeri ölçülmüştür. Kademeli olarak iterasyon sayısı artırımı ile 300 dönem sayısına kadar transfer öğrenme stratejisi kullanılarak eğitim yapılmıştır. Sonuç olarak en iyi çıktı için 300 iterasyon sayısı ile precision değeri %93,75'e ulaşırken mAP değeri ise %98,48'e ulaşmıştır. |
| Proje Durumu | Tamamlandı |
| Başlangıç Tarihi | 22-04-2020 |
| Bitiş Tarihi | 10-11-2021 |
| Anahtar Kelimeler | bilgisayarlı görme, yapay sinir ağları, kullanıcı deneyimi, kullanıcı arayüzü, dil modelleme |
