A Deep Learning-Based Feature Extraction and Classification for Students Activities in Exam

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Karadeniz Teknik Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği, Türkiye

Tezin Onay Tarihi: 2021

Tezin Dili: İngilizce

Öğrenci: Musa Dima Genemo

Danışman: Murat Ekinci

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Video açıklaması ve insan etkinliği tanıma üzerine yapılan araştırmalar, görsel izleme konusundaki araştırma bulgularını önemli ölçüde iyileştirmektedir. Sınavda izleme etkinlikleri, öğrencilerin bir sınav odasında çeşitli etkinlikler gerçekleştirebilecekleri henüz çözülmemiş bir sorundur. Bu tür faaliyetler, otomatik bir gözetim sistemi aracılığıyla otomatik olarak izlenebilir. Derin özellik çıkarma için derin öğrenme yapıları olarak sıkma ağı ve VGG16 kullandık. Bu özellikler daha sonra tek bir özellik seti oluşturmak için seri olarak birleştirilir. Entropi ve karınca kolonisi optimizasyonu (ACO) tabanlı öznitelik seçimi yaklaşımları, hem filtre hem de sarmalayıcı tabanlı yaklaşımların niteliklerine sahip edinilmiş öznitelik alt kümelerine ayrı ayrı uygulanır. Ayrı olarak seçilen özellikler daha sonra güçlü bir özellik alt kümesi elde etmek için birleştirilir. Son olarak tahmin için SVM tabanlı sınıflandırıcılar uygulanır. Sınıflandırma algoritması, sınav etkinlikleri algılama veri kümesinden öğrenci etkinliklerini tam olarak anormal ve normal sınıflar olarak etiketler. Sonuçlar, sınavda aktivite tanıma için önerilen çerçevenin kabul edilebilir doğrulukla (%92) çok etkili olduğunu göstermektedir. Çerçeve, sınav sistemini iyileştirmek için sınavlardaki öğrenci etkinliğini analiz etmeye yardımcı olacaktır.