PYTHON İLE DUYGU ANALİZİ

Görüntü işleme; görüntülerin belirli işlemlerden geçirilerek anlamlı sonuçlar elde etmemize veya onlardan faydalı verileri kullanmamıza yarayan bir yöntemdir. Görüntü işleme sistemlerinin birçok kullanım alanı bulunmaktadır ve teknolojinin de ilerlemesiyle her geçen gün görüntü işlemeye duyulan ihtiyaç biraz daha artmaktadır. Sistemler sağlık sektöründen başlayıp eğlence sektörüne kadar uzanabilmektedir. Yüz tanıma sistemi en çok kullanılan görüntü işleme tekniklerinden biridir. Yüz tanıma sistemini duygu analizi ile birleştirdiğimizde birçok soruna çözüm sağlamaktadır. Duygu analizi sayesinde kullanılan sistemler hem sosyal hem de insanların güvenliği açısından kolaylıklar sağlamaktadır.

Görüntü İşleme Çeşitleri

Analog Görüntü: Analog görüntüde, görüntüyü oluşturan fonksiyonun-f(x,y) değişkenleri reel ifadeler alıyorsa bu görüntü Analog görüntü olarak tanımlanır.

Dijital (Sayısal) Görüntü: f(x,y) şeklinde belirtilen kesiksiz görüntüyü yani analog görüntü ayrık örnekler cinsinden (discrete) anlatılmasıdır ve gösterimi f[x,y] şeklindedir.

Görüntü İşlemede Temel Kavramlar

Piksel (pixel) : Görüntünün birim elemanlarını ifade etmektedir.

Parlaklık (intensity): x ve y uzaysal boyutlar kabul edilerek I(x,y), x ve y koordinatlarındaki pikselin parlaklık değerini göstermektedir.

Ayrıklaştırma (Digitizing): Analog görüntünün sayısal sistemde tasvir edilebilmesi için ilk olarak uzaysal boyutlarda sonlu sayıda ayrık parçaya bölünmesi gerekir daha sonra her bir parçadaki analog parlaklık ölçümünün belli sayıda ayrık sayısal düzeylerden biri ile ifade edilmesi gerekir.

Çözünürlük (Resolution): Görüntünün kaç piksel ile tanımlandığını ifade eder.

Uzaysal Frekanslar (Spatial Frequencies): Uzaysal boyutlarda belli bir mesafede parlaklık ölçümünün değişim yoğunluğunu ifade etmektedir.

Görüntü İşlemenin Amacı Ve Kullanım Alanları

Bazı görüntüler fazla gürültülü olarak elimizde bulunmaktadır. Görüntü işlemenin amaçlarından biri bu gürültüleri temiz hale getirerek görüntü üzerindeki işlemlerimizi kolaylaştırmamızı sağlar. İsteğe göre ve gerekli algoritmalar kullanılarak görüntü işleme yöntemi ile nesne tanımlaması yapılabilir. Bu sayede cisimlerin birbirinden ayrıştırılması kolaylaşır ve sektörlere göre kullanım alanı arttırılarak işlemlerin hızlıca çözülmesi sağlanır.

Görüntü işlemenin diğer amaçları ise insanın görmekte zorlandığı nesnelerin tanımlanmasında, görüntüyü daha yüksek çözünürlüklü bir hale getirerek gerekli işlemlerde kullanılmasını amaçlamaktadır. Sağlık, savunma sanayi, eğlence ve firmaların amaçlarına göre geliştirilerek kullanılabilir. Kısaca görüntü işlemenin kullanım amacı ve uygulamaları maddeler halinde açıklamak istersek;

 Gürültü temizleme

 Nesne tanımlama

 Yüksek çözünürlüklü fotoğraflar elde etme

 Cisimleri ayırma

 Desen tanımlama ve bilgi çıkarma

 Yüz tanıma

 Duygu analizleri

 Sanal gerçeklik uygulamaları

 Güvenlik uygulamaları şeklinde tanımlayabiliriz.

DUYGU ANALİZİNİN ÖNEMİ

Son yıllarda internetin kullanımı hızlı bir şekilde artış göstermektedir. İnsanlar duygularını sosyal medya ve sanal ortamlar üzerinden belirtmektedirler. Her gün yaklaşık olarak 2,5 milyon bayt veri üretimi olması nedeniyle bu sanal ortamlarda şirketlerin ve firmaların duygu analizi yönünde çalışmasına sebep olmuştur. . Bu vasıtayla Doğal Dil İşleme (Natural Language Processing — NLP) kavramının bir alt inceleme alanı olan Duygu Analizi (Sentiment Analysis) ortaya çıkmaktadır. Duygu analizi sayesinde insanlar için üretilen ürünlerin pazarlama analizleri, insanlarla ilişkileri ve müşteri hizmetleri gibi süreçleri otomatik olarak analiz etmeleri amaçlanmaktadır.

İnternette metinlerle ifade edilen duyguların yanı sıra son zamanlarda insanların görüntüleriyle de duygularını ifade ettiği gözlemlenmektedir. Bu nedenle görüntülerde ki duygu analizi de büyük öneme sahiptir. İnsanların duygularını analiz ettiğimiz sürece tasarlanan ürünlerin kullanımı da artış gösterecektir. Bu tasarımlarda insanların duyguları göz önünde bulundurulursa ve buna yönelik çözümler üretilirse piyasada kalma süresi her zaman daha fazla olacaktır.

Duygu Analizinin Avantajları ve Zorlukları

Görüntülerde ki duygu analizi sayesinde birçok soruna çözüm sağlanabilir. Sağlık, insanların güvenliği, trafik ve eğlence gibi alanlarda olan bu sorunların görüntüde ki duygu analizi ile oluşturulan programların kullanılması hem pratik hem de daha net sonuçlar elde edilebilir. Duygu analizi sayesinde insan gücünü en aza indirerek süreçleri otomatik hale getirip daha anlamlı ve net bilgilerin elde edilmesi amaçlanmaktadır. Uygulamalar sayesinde insan hatalarının sonuçlarını en aza indirgeyerek daha verimli sonuçlar elde edilebilir. Maliyeti en aza indirerek programlar sayesinde elde edilmek istenen verilere daha kolay ulaşma imkânı sağlamaktadır. Üretim aşamasında kullanıcı geri dönüşlerine göre bir planlama yapılıp üretim aşamaları iyileştirilebilir. Aynı zamanda anlık olarak analiz etme aşaması olduğundan dolayı sorunlara daha hızlı çözümler üretilebilmektedir.

Duygu analizinin zorluklarından biri de temelinde büyük veri setleri bulundurmasıdır. Veri setlerinin duygu analizi sistemlerinde kullanılması ve eyleme dökülmesi için veri setlerinin büyüklüğü ve kaynakları büyük öneme sahiptir. İşlemlerini bu şekilde gerçekleştirecek olan duygu analiz sisteminin verileri doğru ve net bir şekilde algılaması için veri setlerinin düzgün oluşturulması önemlidir. Veri setlerinin oluşturulmasında ülkelere göre bir veri seti oluşturmak daha verimli olacaktır. Çünkü insan ırklarının yüz yapısı değişiklik göstermektedir. Oluşan bu değişiklik nedeniyle programın daha verimli bir halde çalışması için ülkeye uygun model geliştirilmesi önerilebilir.

Duygu Analizinde Kullanılabilecek Kütüphaneler

OpenCV: En başta Intel tarafından geliştirilmiş, daha sonra Willow Garage ve sonra Itseez (Intel tarafından satın alındı[2]) tarafından devam ettirilmiştir. Bu kütüphane çoklu platform ve BSD lisansı altında açık kaynaklı bir yazılımdır.

Keras: Python’da yazılmış açık kaynaklı bir sinir ağı kütüphanesidir. Keras;PlaidML ,Toolkit, TensorFlow, R, Theano veya Microsoft Cognitive ile beraber çalışabilir. Dein sinir ağları ile hızlı bir şekilde çalışması için tasarlanmış bu kütüphane kullanıcı dostu, büyütülebilir ve modüler bir yapıdadır.

Tensorflow: Bir seri işlem sırasındaki veri akışını ve geliştirilebilir programlamalar için kullanılan ücretsiz ve açık kaynaklı bir yazılım kütüphanesidir. Sinir ağları gibi makine uygulamalarında kullanılmaktadır. Sadece python değil C++, Java, C#, Javascript ve R gibi birçok dili desteklemektedir.

Mtcnn: Keras için MTCNN yüz detektörünün uygulanmasıdır. Facenet’teki David Sandberg’den ( FaceNet’in MTCNN ) MTCNN uygulaması referans alınarak baştan yazılmıştır. Keras tarafından desteklenen herhangi bir Tensorflow bu MTCNN paketi tarafından desteklenecektir.

NumPy: Yüksek seviyeli matematiksel fonksiyonlardan oluşan büyük, çok boyutlu dizi ve matrisler üzerinde çalışması amaçlanan bir kütüphanedir .NumPy açık kaynaklı bir yazılımdır. Bilimsel hesaplamaları hızlı ve kolay yapmamızı sağlamaktadır.

DUYGU ANALİZİNİN KULLANIM ALANLARI

Duygu analizi sistemleri günümüzde pek çok şirketin stratejilerini geliştirme konusunda başvurduğu yöntemlerdendir. Kişilerin kullanımlarını ve ihtiyaçlarını karşılaması durumunda kişilere üst seviye modelleri aldırmaya ikna etme ihtimallerini yükseltmektedir. Kullanıcıların tepkileri diğer alıcılarında ürünü almasında etkilidir. Olumsuz tepkiler alan bir ürünün satılması her zaman daha zorlu olacaktır. Duygu analizi satış ve üretim kısmında kullanılıp daha verimli sonuçların alınması sağlanabilmektedir.

Kaliteli hizmet vermek için kullanılan sohbet detayları müşterilerin memnuniyetini belirlemek açısından kullanılabilir. Müşterilerin ruh hallerine göre analiz edilen sonuçlar sayesinde kullanıcılara sunulacak ürünlerin pazarlama süreçleri geliştirilebilmektedir. Aynı zamanda müşterilerin şikâyetlerine ve tepkilerine göre düzenlemeler yapılmasında yardımcı olmaktadır. Bu şekilde üretim sağlayan firmaların güçlü ve geliştirilmesi gereken yönlerini görmesi sağlanmaktadır.

Eğlence sektöründe de kullanılan bu analizler sayesinde kişilerin mutluluk oranlarına göre fikirler üretilip yeni hoşlandıkları ürünleri hizmete sunmak daha sağlıklı olacaktır. Kişilerin kullanım amaçlarına göre uygulamaların düzenlenmesi sağlanarak daha kazançlı sistemler üreterek daha verimli sonuçlar elde edilecektir.

İnsanların çalışma zamanlarında gösterdikleri yorgunluk ve uyuşukluk durumları belirlenerek çalışma oranlarındaki verimler ölçülebilir. Aynı zamanda trafikte olan kişilerinde yorgunluk düzeyi belirlenerek oluşabilecek kazalarında önlenmesi sağlanabilmektedir. Yorgunlukla ilgili bozukluğu belirlemek için kullanılan diğer teknolojiler arasında şunlar gibi davranışsal belirti ölçümleri bulmaktadır; bakış yönü, göz davranışı, direksiyon kontrolleri gibi değişkenleri belirlemek karşılaşılan sorunlara çözüm üretmemizi sağlayacaktır.