Please use this identifier to cite or link to this item:
https://hdl.handle.net/20.500.13091/4673
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Başar, Mehmet Emi̇n | - |
dc.contributor.author | Ünal, Hati̇ce Beyza | - |
dc.date.accessioned | 2023-10-02T13:52:51Z | - |
dc.date.available | 2023-10-02T13:52:51Z | - |
dc.date.issued | 2023 | - |
dc.identifier.uri | https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=j_Fjwp4JS4mk97Puqti8rrEw2pt4Nfn0SLjRCaKuKxiJczdxjzMYAwBKfauojY3G | - |
dc.identifier.uri | https://hdl.handle.net/20.500.13091/4673 | - |
dc.description.abstract | Taşınmaz kültür varlıklarının gelecek nesillere aktarılabilmesi için bozulma sürecinde etkili ve sürdürülebilir koruma-onarım uygulamaları gerekmektedir. Öncelikle taşınmaz kültür varlıklarında görülen bozulma türleri analiz edilmeli, sonrasında bozulma türlerine uygun koruma-onarım uygulamaları planlanmalıdır. Kültürel varlıklara yönelik yapılan bu müdahale çalışmalarının doğruluğu ve etkinliği büyük önem taşımaktadır. Bozulmalara uygulanan herhangi yanlış müdahale, mevcut bozulmayı hızlandırarak geri dönüşü olmayan sorunlara neden olabilir. Bu sebeplerle insan kaynaklı hata payını azaltmak ve daha evrensel bir yaklaşım benimsemek amacıyla alternatif inceleme yöntemlerinin geliştirilmesi gerekmektedir. Tez kapsamında kullanılan, Derin Öğrenme tabanlı Mask-RCNN algoritması etkili bir çözüm sunmaktadır. Temelde insan becerilerini taklit etmeye ve otomatik özellik çıkarmaya çalışan bu algoritma için, Konya'da bulunan, Sille yapı taşıyla inşa edilmiş taşınmaz kültür varlıklarından görüntüler toplanarak veri seti oluşturulmuştur. Bu görüntülerdeki bozulmalara uygun müdahale önerileri etiketlenerek model eğitilmiştir. Şeyh Osman Rûmî Türbesi ve Hoca Ahmet Fakîh Cami'den elde edilen görüntüler üzerinde model test edilmiştir. Sonuçlar incelendiğinde önerilen modelin koruma-onarım uygulamaları öncesinde yapılan çalışmalara önemli temeller sağlayabileceği görülmüştür. Böylece bu çalışma ile, yapay zeka başlıklarından derin öğrenmenin restorasyon alanına entegrasyonunu geliştirmek adına bir adım atılmıştır. | en_US |
dc.description.abstract | In order to transfer cultural heritages to future generations, effective and sustainable protection-repair practices are required in the degradation process. First of all, the types of deterioration seen in cultural heritages should be analyzed and appropriate protection-repair practices should be planned. The accuracy and effectiveness of these protection studies for cultural heritages are of great importance. Any mishandling of deterioration can accelerate existing deterioration and cause irreversible problems. For these reasons, it is necessary to develop alternative audit methods in order to reduce the share of human error and to adopt a more universal approach. The Deep Learning based Mask-RCNN algorithm used in the thesis offers an effective solution. For this algorithm, which basically tries to imitate human skills and extract automatic features, a data set was created by collecting images from cultural heritages built with Sille building stone in Konya. The model was trained by labeling appropriate protection suggestions for the deteriorations in these images. The model has been tested on images obtained from Şeyh Osman Rumi Tomb and Hoca Ahmet Fakîh Mosque. When the results were examined, it was seen that the proposed model could provide important foundations for the studies carried out before the protection-repair applications. Thus, with this study, a step was taken to improve the integration of deep learning, one of the subjects of artificial intelligence, into the restoration field. | en_US |
dc.language.iso | tr | en_US |
dc.publisher | Konya Teknik Üniversitesi | en_US |
dc.rights | info:eu-repo/semantics/openAccess | en_US |
dc.subject | Mimarlık | en_US |
dc.subject | Architecture | en_US |
dc.title | Koruma ve onarım uygulamaları öncesinde derin öğrenme tabanlı yöntem ile taş bozulmalarına müdahale önerisi | en_US |
dc.title.alternative | Recommendation for protection with deep learning based method before conservation and repair applications | en_US |
dc.type | Master Thesis | en_US |
dc.department | Entitüler, Lisansüstü Eğitim Enstitüsü, Mimarlık Ana Bilim Dalı | en_US |
dc.identifier.startpage | 1 | en_US |
dc.identifier.endpage | 130 | en_US |
dc.institutionauthor | Ünal, Hati̇ce Beyza | - |
dc.relation.publicationcategory | Tez | en_US |
dc.identifier.yoktezid | 809352 | en_US |
item.fulltext | With Fulltext | - |
item.openairetype | Master Thesis | - |
item.openairecristype | http://purl.org/coar/resource_type/c_18cf | - |
item.languageiso639-1 | tr | - |
item.cerifentitytype | Publications | - |
item.grantfulltext | open | - |
Appears in Collections: | Tez Koleksiyonu |
Files in This Item:
File | Size | Format | |
---|---|---|---|
809352.pdf | 12.08 MB | Adobe PDF | View/Open |
CORE Recommender
Page view(s)
170
checked on Aug 26, 2024
Download(s)
392
checked on Aug 26, 2024
Google ScholarTM
Check
Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.