Facial super-resolution (FSR) is a critical research area whose goal is to improve visual quality by converting low-resolution facial images to high resolution ones. Research in FSR has come a long way thanks to advances in deep learning technologies. However, there is still a need to develop effective methods for revealing facial details and preserving the overall appearance. For this purpose, a new approach called Deep Reinforcement Learning Based Super Resolution of Face Regions (DRL-SRFR) is proposed. It is based on Deep Reinforcement Learning (DRL) and Deep Residual Dense Block (RRDB) architectures. In the DRL part of the method, new regions that need attention are identified at each step using the repeated visual attention methodology. The details in different parts of the face image are iteratively improved to produce more natural and high-quality face images. In addition, with the stochastic action-taking process, the decision-making process is made flexible by focusing on important facial regions. The focused region is improved with the RRDB structure using dense connections and residual learning. Experiments and ablation studies show that the developed model provides a significant advantage over existing methods in improving local details and preserving appearance integrity.
29 March 2016 in Signal, Image and Video Processing
Obezite, önemli bir sağlık problemidir ve yaygınlığı giderek artmaktadır. Bu hastalığın, diğer birçok hastalığın tetikleyicisi ve habercisi olduğu bilinmektedir. Obezite hastalığının tedavi sürecinden önce, vücut yağ yüzdesinin doğru bir şekilde tespit edilmesi önemlidir. Yüksek maliyetli yöntemler ile vücut yağ yüzdesi kesin olarak ölçülmektedir. Bu çalışmada, kişilerden alınan antropometrik veri seti ile vücut yağı yüzdesi tespitinin doğru ve maliyetsiz bir şekilde tahmin edilebilmesi için destek vektör regresyonu ile rastgele orman ağaçları regresyon yöntemleri uygulanmıştır. Regresyon yöntemlerinde, model parametre değerleri, veri sayısı, özellik sayısı ve özellik seçimi tahmin başarımında önemlidir. 13 özellikli vücut yağ yüzdesi veri seti baz olarak alınan çalışmada, literatürde sıklıkla kullanılan 25 istatiski yöntem (çarpıklık, merkezi moment, basıklık vb.) ile yeni bir veri seti oluşturulmuş ve elde edilen yeni veri setinin başarım performansının literatürde yer alan diğer çalışmalardan yüksek olduğu görülmüştür. Regresyon parametrelerinin ızgara tarama yöntemleriyle belirlenmesi sayesinde tahmin doğrulukları arttırılmıştır. Ayrıca özellik azaltma yöntemleri ile vücut yağ yüzdesi ile yüksek ilintili özellikler belirlenmiştir. Seçilen özellikler ile gerçekleştirilen regresyon yöntemlerinin tahmin başarı performansının da benzer diğer çalışmalardan yüksek olduğu gözlenmiştir. En iyi ortalama karesel hata değerleri olarak, Rasgele Orman Ağaçları Yöntemi ve istatistiki yöntemle oluşturulan yeni veri seti ile gerçekleştirilen deneyde 2,2519 değeri elde edilirken, Karar Destek Makinaları ve en iyi 6 F-skor değerine sahip özellikler ile yapılan regresyon deneyinde 3,174 değerine ulaşılmıştır.
30 April 2023 in Düzce Üniversitesi Bilim ve Teknoloji Dergisi
Çalışmamızda Q-öğrenme tabanlı adaptif PID kontrolörün gerçek zamanlı bir sistemdeki performansı incelenmiştir. Gerçek zamanlı sistem olarak DA makine hız kontrolü sistemi tercih edilmiştir. DA makine sisteminden gelen hata sinyali üzerinden sistemin durum bilgisi ve Q-öğrenme yöntemi için ödül sinyali hesaplanmaktadır. Durum bilgisi ve ödül sinyali yardımı ile PID katsayıları artırılıp azaltılarak optimal katsayılara ulaşılmaktadır. Her PID katsayısı için bir adet Q-tablosu tanımlanmıştır. Simülasyon çalışması ve gerçek zamanlı uygulama ile kontrolör performansı incelenmiştir. Pekiştirmeli öğrenme ile tasarlanan kontrolcünün klasik PID yapısı gibi başarılı olduğu tespit edilmiştir.