Yazar "Kocakulak, Mustafa" seçeneğine göre listele

Listeleniyor 1 - 7 / 7
  • Küçük Resim Yok
    Öğe
    Capsule Network for Finger-Vein-based Biometric Identification
    (Ieee, 2019) Gumusbas, Dilara; Yildirim, Tulay; Kocakulak, Mustafa; Acır, Nurettin
    Most of the recent researches have determined that finger-vein identification systems have begun to change their direction from hand-crafted feature extraction to automatic feature extraction methods, such as convolutional neural networks (CNN). Although a few ongoing studies still concern handcrafted features, most of the recent works focus on automatic feature extraction via CNN-based algorithms, which has achieved breakthrough results. However, benchmark databases for finger-vein identification have a limited sample size per individual, which makes it difficult for them to capture the best representations in an individuals finger vein. Additionally, with the rise of spoofing attacks, obtaining the best representation of the finger vein has become even more important. Even though these algorithms adapt transfer learning by using pre-trained ImageNet weights, which create a general image feature space, it may be not the most optimal space for finger-vein identification. From this point of view, this paper firstly aims to use Capsule Network to take advantage of using convolutions with a limited number of samples on four finger-vein benchmark sub-databases. Moreover, it aims to extract finger-vein features that are more definable and rationally augments without using any pre-trained weights. Secondly, it compares the CNN-based equivalent and LeNet-5 models to show how Capsule Network is better at approaching representing features. This capsule-based finger-vein identification approach using 32x32 image resolutions achieves an average 95.5% accuracy on four benchmark sub-databases.
  • Küçük Resim Yok
    Öğe
    Computational analysis of Rsa based attacks
    (Bursa Teknik Üniversitesi, 2015) Kocakulak, Mustafa; Temel, Turgay
    İki veya daha fazla asal sayının çarpımından meydana gelen büyük bir sayının, asal bileşenlerine ayrıştırılabilmesinin zorluğu esasına dayanan RSA sistemi, sağlamış olduğu güvenlik seviyesi ve anahtar paylaşımında getirdiği yeniliklerle kriptoloji alanında tartışmasız bir öneme sahiptir. Mevcut algoritmanın beraberinde getirdiği uzun anahtar boyutları, gerektirdiği geniş hafıza alanı ve anahtar paylaşımının dayandığı 'asal bileşenlere ayrıştırmanın zorluğu' esasının güvenlik açısından aşılabilir olması, bu alanda mevcut RSA algoritmasında değişiklikler yapmayı ya da RSA'yı maksimum güvenlikle korumayı sağlayan önlemleri uygulama esnasında almayı gerekli kılmaktadır. Bu çalışmada RSA algoritması birçok yönüyle ele alınacak, uygulanan bazı kriptanaliz yöntemlerine karşı RSA'ya maksimum güvenlik sağlayacak tedbirler gösterilecektir.
  • Küçük Resim Yok
    Öğe
    Convolutional Neural Network Designs for Finger-vein-based Biometric Identification
    (Ieee, 2019) Avcı, Adem; Kocakulak, Mustafa; Acır, Nurettin
    With the increase in the number of publicly available finger-vein datasets, most of the recent studies on finger-vein biometrics have started to use Convolutional Neural Networks (CNNs). Since it is not an easy task to create a biometric dataset with a large number of users due to several privacy reasons, this study uses 4 publicly available finger-vein datasets. However, these datasets have a limited number of samples per user. From this point of view, in order to avoid possible overfitting problems that occur due to limited training samples, this study provides 4 empirical convolutional neural network designs without using any preprocessing operation for each biometric dataset after systematic comparisons.
  • Küçük Resim Yok
    Öğe
    Driver Drowsiness Detection using MobileNets and Long Short-term Memory
    (Institute of Electrical and Electronics Engineers Inc., 2021) Aydemir, Gürkan; Kurnaz, Oguzhan; Bekiryazıcı, Tahir; Avcı, Adem; Kocakulak, Mustafa
    Deep learning has been studied extensively for driver drowsiness detection using video data. However, since the proposed deep learning methods are computationally cumbersome, the commercial driver drowsiness detection methods are still using hand-crafted features such as lane deviation and percentage of eye closure. This study investigates a deep learning model that provides a fair drowsiness detection performance with a lightweight architecture. In the proposed method, Dlib library was used to detect the driver's face in individual frames of video data. The detected faces are fed into a pre-defined convolutional neural network architecture. Then, a long short-term memory network was used to capture the temporal information between the frame sequences to assess the state of drowsiness. The proposed model achieves a detection accuracy of 80% in a popular benchmark dataset. It was also verified that the model could be implemented on a commercial and inexpensive development board with a frame rate of 5 frames per second.
  • Küçük Resim Yok
    Öğe
    Enhancement of Finger Vein Images Using Gabor Filter
    (Ieee, 2018) Kocakulak, Mustafa; Acır, Nurettin
    In this study, rather than locating a fixed region of interest directly on finger vein images, spatial filtering is applied and a texture-based edge detection method is used to give stable results. Koschmieder's Law, which eliminates the scattering effect of light on these images, is applied to the designated region of interest through white balancing process. After this step, Gabor filter bank was created in different scales and orientations. These bank elements were convolved with various images and Gabor filter application was completed. In this study, by applying Gabor filter to the images enhanced by Koschmieder's Law, it is verified that the biometric information extraction of a person is facilitated.
  • Küçük Resim
    Öğe
    Makine öğrenmesi algoritmalarını kullanarak otomatik parmak damarı tanıma sistemi
    (Bursa Teknik Üniversitesi, 2023) Kocakulak, Mustafa; Acır, Nurettin; Gürkan, Hakan
    Hızla artan dünya nüfusu ve durmadan gelişen teknoloji ile hayatın hemen her alanında, güvenlik ve erişim kontrolü gibi çeşitli sebeplerle biyometrik sistemlere ihtiyaç duyulmaktadır. Son yıllarda duyulan ihtiyacı karşılamak için makine öğrenmesi bilhassa da derin öğrenme, biyometrik sistemlerde yaygın olarak kullanılmaktadır. Bu sistemlere hızlı ve düşük maliyetli çözümler sunan parmak damarı, kişiye özgü olmak, zamanla değişime uğramamak ve dış müdahalelere kapalı olmak gibi çeşitli avantajlara sahip olan bir biyometri türüdür. Bu tez, parmak damarı biyometrisini başta parmak damarı tanıma olmak üzere 3 ana başlıkta inceleyip bu başlıklar altında karşılaşılan 3 farklı probleme, makine öğrenmesi algoritmalarını kullanarak çözüm getirmeyi amaçlamaktadır. İlk olarak, derin öğrenme uygulamalarının başarımına katkı sağlayacak sayıda kişi ve bu kişilerden alınan yeterli sayıda örnek içeren halka açık herhangi bir parmak damarı veri seti bulunmamaktadır. Bu sebeple yazılımsal bir çözüm kullanarak sentetik parmak damar görüntüleri içeren kapsamlı bir veri seti oluşturulmuş ve bu veri seti erişime açılmıştır. İkinci olarak, oluşturulan sentetik veri seti kullanılarak, yeterli sayıda kişi ve örnek içeren bir veri seti sağlandığında literatürdeki tanıma uygulamalarında elde edilen performansın ulaşabileceği değerler kestirilmiştir. Yapılan çalışmalarda, bu uygulamalarda elde edilen başarıma kişi ve örnek sayısının etkisi gözlemlenmiştir. Buna ek olarak birkaç halka açık veri seti kullanılarak tasarlanan çeşitli derin öğrenme modelleri aracılığıyla elde edilen tanıma ve doğrulama performanslarının ulaştığı başarım değerlendirilmiştir. Son olarak piyasada bulunan parmak damarı tanıma cihazları, kullanıcıların ham verilere erişmesine izin vermediğinden, bu çalışmada tasarlanan görüntüleme cihazı ile kullanıcılara, platformdan alınan parmak damarı görüntülerine erişim hakkı verilmektedir. Bu cihaz ile bazı el tabanlı biyometrik özelliklerin parmak damarı ile aynı anda kullanılmasını kolaylaştıran, herhangi bir fiziksel sensör kullanmayan ve çok kipli biyometrik sistemlerin önünü açan makine öğrenmesi tabanlı bir çözüm önerilmiştir.
  • Küçük Resim Yok
    Öğe
    An Overview of Wireless Sensor Networks Towards Internet of Things
    (Ieee, 2017) Kocakulak, Mustafa; Bütün, İsmail
    With the advancements in wireless technology and digital electronics, some tiny devices have started to be used in numerous areas in daily life. These devices are capable of sensing, computation and communicating. They are generally composed of low power radios, several smart sensors and embedded CPUs (Central Processing Units). These devices are used to form wireless sensor network (WSN) which is necessary to provide sensing services and to monitor environmental conditions. In parallel to WSNs, the idea of internet of things (IoT) is developed where IoT can be defined as an interconnection between identifiable devices within the internet connection in sensing and monitoring processes. This paper presents detailed overview of WSNs. It also assesses the technology and characteristics of WSNs. Moreover, it provides a review of WSN applications and IoT applications.