Page 3 - E-Tez Bülteni Mart 2026, Sayı 5

Y Ü K S E K L İ S A N S T E Z İ
YÜKSEK LİSANS TEZİ
l
g
i
s
s
ğ
B
i
l
i
n
M

e
h
ü
i
y
a
r
d
a
i

Bilgisayar Mühendisliği
Anabilim Dalı
A n a b i l i m D a l ı
D i k k a t M e k a n i z m a l ı O t o - K o d l a y ı c ı l a r V e U y a r l a n a b i l i r
Dikkat Mekanizmalı Oto-Kodlayıcılar Ve Uyarlanabilir
a
d

n
t
n
E
u
k
ı
a
l
m
a
y
ş

l
a
a
D
ı
r
F
ü
G
ö
ü
n

ü
Y

f
z
o
o
y
Görüntü Füzyonuna Dayalı Edof Yaklaşımı ı
Sibel DANIŞMAZ
S i b e l D A N I Ş M A Z
Ğ
A

H
y
l
N
O
a
ü
D
ş
ı
n
n
a
m
a
e
T
Tez Danışmanı: Doç. Dr. Hülya DOĞAN
D

z

.
ç
D

.
r
:
ı

o
D
Tez Özeti
Sınırlı odaklama derinliği, mikroskobik sistemlerde numunenin tamamının aynı anda net biçimde görüntülenememesi durumudur. Bu
çalışmada, söz konusu sınırlamayı aşmak için farklı odak düzlemlerine sahip birden çok görüntünün birleştirilerek tümüyle odaklı
tek bir görüntü elde edilmesini sağlayan Genişletilmiş Odaklama Derinliği (Extended Depth of Focus-EDOF) yaklaşımı
önerilmektedir. Önerilen yaklaşım iki aşamalı derin öğrenme mimarisine dayanmaktadır. İlk aşamada, odakla ilişkili yapısal ve
bağlamsal özellikler bir kodlayıcı model aracılığıyla hiyerarşik olarak çıkarılmakta; ikinci aşamada ise bu özellikler, uyarlanabilir bir
füzyon stratejisi ile bütünleştirilerek yapısal bütünlüğü koruyan ve keskin ayrıntılar sunan tümüyle odaklı görüntüler üretilmektedir.
Yaklaşım ayrıca Kanal Dikkat (Channel Attention) ve Uzamsal Dikkat (Spatial Attention) mekanizmalarını entegre ederek hem
küresel özellik seçimini hem de yerel odak iyileştirmesini güçlendirmektedir. Gerçekleştirilen kapsamlı deneyler, önerilen yaklaşımın
mevcut yöntemlerle karşılaştırıldığında daha elverişli sonuçlar ürettiğini, EDOF tekniklerinin temel sınırlamalarını belirli ölçüde
azaltabildiğini ve uyarlanabilir, yüksek performanslı bir odak füzyon çözümü sunduğunu göstermektedir.
Anahtar kelimeler: Genişletilmiş Odaklama Derinliği, Derin Öğrenme, Dikkat Mekanizması, Özellik Çıkarma, Çok Odaklı
Görüntü Füzyonu