Algısal Zeka Laboratuvarı – PILab (http://pilab.cmpe.boun.edu.tr)

Algısal Zeka Laboratuvarı, 2002 yılında, bilgisayarla görme, makina öğrenmesi ve ses işleme alanlarında çalışan öğretim üyeleri tarafından kurulmuştur. Laboratuvarda, yüz tanıma, biyometrik kimlik tanıma, el hareketleri tanıma, insan-bilgisayar etkileşimi, konuşma tanıma, biyomedikal imge tanıma, veri madenciliği alanlarında araştırma projeleri yürütülmektedir.

Laboratuvardaki araştırmalar, DPT ve TÜBİTAK projeleri yanısıra, Avrupa projelerince de desteklenmektedir. Laboratuvarda yedi doktora, dört yüksek lisans öğrencisi çalışmaktadır. Devam eden projelerle ilgili ayrıntılı bilgi aşağıda verilmiştir. Bunun yanısıra, laboratuvarda geçtiğimiz yıllarda, Algısal İnsan Bilgisayar Etkileşimi adlı DPT projesi, 3B Nesne Tanıma başlıklı Tübitak Projesi, Yapay Öğrenmede Model Seçimi için Çapraz Geçerleme başlıklı Tubitak projesi ve BIOSECURE ve SIMILAR adlı FP6 Avrupa Mükemmeliyet Ağı projeleri tamamlanmıştır.

Yüz Tanıma: Laboratuvarın ana araştırma konularından birisi, yüz tanımadır. Yüz tanıma alanında, iki boyutlu çalışmaların yanısıra, üç boyutlu yüz tanıma alanında, dünyadaki öncü nitelikte çalışmalar, bu laboratuvarda gerçekleştirilmiş, araştırmalarda kullanılan BOSPHORUS adlı, çeşitli yüz ifadeleri, pozlar ve kapatmalar içeren yüz veritabanı toplanmıştır. Şu anda biyometri alanındaki çalışmalar, COST 2101 adlı Avrupa projesi tarafından desteklenmektedir.

İşaret Dili Tanıma: İşaret dili, sağır dilsizler tarafından kullanılan, el işaretleri, vücut ve yüz ifadelerinden oluşan bir dildir. Bu dilin bilgisayar tarafından tanınması için, yüz ifadesi tanımadan el izleme ve el hareketi tanımaya kadar pek çok alanda araştırma yapılmaktadır. Tübitak tarafından desteklenen İşaret Dili Eğitmeni başlıklı projede, kaydedilmiş videoları kullanıcılara göstermek yanında, onların tekrarladığı işaretlerin doğru olarak yapılıp yapılmadığının analizini yapan bir eğitmen geliştirilmesi hedeflenmektedir.

Veri Madenciliği: Veri madenciliği, elde olan hazır veriden bilgi çıkarılarak bu bilgilerin kullanılmasını sağlamak için kullanılan yöntemler topluluğudur. Yapay öğrenmedeki sınıflandırma, öbekleme gibi yöntemlerin tümü veri madenciliğinde kullanılmaktadır. Laboratuvarımız ve bir süpermarket zinciriyle ortak yapılan çalışmada, alışveriş yapan müşterilerin alışveriş verisi kullanılarak hangi ürünün hangi ürünle birlikte satıldığı bilgileri çıkarılmış ve firma tarafından kullanılmıştır. Bunun dışında veri madenciliğinin, kredi kartı sahtekârlığı algılama ya da borsa verisi analizi gibi uygulama alanları da vardır.

Enstrüman Ayırma: Laboratuvarımızda yapılan bir başka çalışmada verilen bir müzik dosyasındaki vurmalı ve tonsal (ör: davul ve gitar) çalgıları ayıran bir uygulama geliştirilmiştir. Yapılan çalışmada, ses dosyasındaki iki farklı ses sinyali algılanarak, bu sinyallerin kaynakları belirlenmekte ve iki farklı ses olarak ayrılmaktadır. İki farklı enstrümanı ayırmanın yanında ses dosyalarındaki arka plandaki gürültüler de ayırt edilmekte ve temizlenebilmektedir.

Sınıflandırma: Sınıflandırma, verilen bazı özelliklerine göre otomatik olarak nesneleri tanımak olarak özetlenebilir. Bir resimden ya da sesten kişi tanıma, resimlerden savaş uçağı tanımak, sınıflandırma problemlerine örnek olarak gösterilebilir. Sınıflandırma probleminde amaç, verilen özellikleri kullanarak bir model oluşturmak ve daha sonra bu modeli kullanarak size verilen yeni bir örneği otomatik olarak tanımlamaktır. Oluşturulan bu modellere sınıflandırıcı denilmektedir ve çeşitli sınıflandırıcılar mevcuttur. Laboratuvarımızda yapılan çalışmalarda çeşitli sınıflandırıcılar geliştirilmiş ve kullanılmış, bu sınıflandırıcıların problemin çözümüne olan etkisi araştırılmıştır. Bu konuda bir Tübitak projesi bitirilmiştir, bir diğeri ise hâlâ devam etmektedir.