Buraya ilgi alanlarımı ve sevdiğim linkleri ekliyorum, genel amacım gelenlere değil de kendime girip çıkmayı sevdiğim yerleri hatırlatma babında yardım etmek. Delicious ne halta yarar diyenler kapatsınlar sayfayı.

Şirketsel kısımlar:

InfoDif ( Göz ağrımız )

Eğitimsel kısımlar: Nerdeydik, neredeyiz hesabı …

Aydın Anadolu Lisesi ( Ortaokul )

Adana Fen Lisesi ( Lise )

ODTÜ Bilgisayar Mühendisliği ( Lisans – Yüksek Lisans )

ODTÜ Enformatik Enstitüsü – Tıp Bilişimi ( Doktora )

İlgi alanları: Görüntü işleme, Medikal Görüntüleme, RFID ve naçizane çok iyi bildiğim bir sürü konu:)

  • Görüntü işleme:

PEIPA ( PEIPA projesinin datasetleri bir işe yaramaz ama bu linki hep sevmişimdir, biraz out of date ama Görüntü İşleme ile ilgili bir çok yazılıma link var burda…)

http://note.sonots.com/SciSoftware.html ( Sanki Volkan Atalay‘dan “Statistical Data Analysis” dersi almış gibi tüm clustering yapılarını elden geçirmiş, güzel bir başlangıç olur. SIFT ‘i basitçe anlatma tarzı dışında diğer yazılar genelde olabilecek en temel algoritmaları işlemiş. )

Bilgisayarlı Görme üzerine çalışan şirketler

Intel IPP – Intel Integrated Primitives – (Olmaz böyle bir güzellik, ilk buluştuğum zaman IPL – Image Processing Library, SPL – Signal Processing Library, IJL – Intel JPEG Library ve RPL – Intel Recognition Primitives Library diye farklı farklı Intel kütüphaneleri vardı, sonra bunların hepsi IPP 3.0 ile tek bir altyapıda toplandı, fiyatı sudan ucuz yapılabileceklere kıyasla. Hic bir şey yapamıyorsan bile incelemende fayda var. An itibarıyla sürüm 6 küsürlerde sunduklarını anlatmaya sayfalar yetmez burda.)

PNL -Probabilistic Network Library – Hani bunu direk Görüntü İşleme başlığıyla ilgili linke koymak biraz ayıp kaçabilir ama sonuçta Kevin Murphy’nin başlattığı ve bence Antonio Torralba’nın da dahil edilebileceği Olasılık Ağları ( Probabilistic Network ) ve Grafik Teorisi ( Graph Theory ) konularının en önemli yansımalarında birisi de görüntü işleme çalışmalarıdır. Content Based Image Processing diyenin bu yapıları içmesi lazım. Neyse işte bu kütüphaneyi Intel aynı OpenCV gibi açık kaynak kodlu olarak başlattı ve destekledi. Teoriyi Kevin Murphy oturttu, Gary Bradski liderliğinde sağlam bir Rus bilimadamı ve yazılımcı grubu da sistemi ortaya çıkarttı. Aynı Gary OpenCV’nin de temel altyapısındaki amcalardandır. Standart Rus C++ kodlayıcıları gibi dağ taş MACRO dolu ama bu kıl yapı Rus’lar tarafından yazılınca harikalar yaratıyor. Kütüphanede Bayesian ve Markov Network yapılarıyla çalışabilen algoritmalar, Belief Propogation, Junction Tree Inference, Maximum Likelihood ve Expectation Maximization gibi tüm yapılarla ilgili algoritmalar var. Intel desteğini 2004 yılında geri çekti, SourceForge da ilgi az ama kütüphaneyi indirip inceleyin, kullanım kılavuzu bile öğrenme adına altın madeni kesinlikle.

OpenCV – Bunu cok sevmem aslında, prototip oluşturma anlamında veya ödev verme anlamında işe yarayabilir tabi. Sonuçta en kapsamlı açık kaynak kodlu görüntü işleme kütüphanesi ama yazılım mühendisliği açısından berbat. C benzeri yazılmış C++ kütüphanesi, tahminimce yine MACRO manyağı Rus’ların parmağı var bu işte. Neyse WillowGarage aldıktan sonra gelecek özellikleri arasına C++ sınıf yapısı, daha fazla nesne tabanlı olma ve NameSpace uyumluluğu gibi konular alındı, o zaman sanırım tadından yenmez yoksa C tipi kodlama hem iğrenç hem de hayvan gibi kodlamak gerekiyor “DSP mi kodluyoruz kardeşim?” diyor insan bazen, ha biz DSP kodluyoruz şirkette ama orası ayrı konu…

Boost C++ Libraries – Görüntü işleme ile alakası yok, aslında kendine has bir görüntü işleme kütüphanesi var ama çok template kökenli ayrıca donanımı yeterince sömüremediği için yavaş kalıyor. Neyse Boost C++ kullanıcıları için olmazsa olmaz öneme sahip bir kütüphane serisi ve bir sürü farklı yapı barındırıyor. Standart IO’dan Signal/Slot yapısına, çok baba IPC ( Inter Process Communication ) yapılarına ve smart pointer gibi bir çok türev ile çeşitli thread kütüphanesine ev sahipliği yapıyor. Tabi “Everything comes with a cost”, binary lib olusturmak için canınız çıkıyor, boot loader diye bir proje var başka bir şirketin o direk yüklüyor ama genelde 3-5 sürüm arkadan geliyor en temizi bu linkte. 32-64 bit demeden derleyip koymuş amcam farklı farklı derleyiciler ile.

RoboRealm ( Açık kaynak kodlu veya çok ucuz bir çok Görüntü İşleme sitesine referans veriyor. )

  • Görüntü işleme veri setleri: Veri setleri groundtruth sonuçları içermeli, üstüne mümkünse farklı sensör verileri işermeli ( OSU Dataset gibi ), o zaman tadından yenmezler. Akıllı bir insan evladı veri setine “Azıcık indireyim, sonra kalanı toparlarım.” mantığıyla yaklaşmamalıdır yoksa GB dolusu depolanan veriler bir gün aniden ortadan kayboluverirler. En iyi veri seti diske indirilmiş olandır. Groundtruth için genelde XML kullanılıyor o yüzden sağlam ama basit bir XML kütüphanesine ihtiyacınız var.Surveillance olaylarında PETS, CAVIAR, OSU, VISOR tek geçerim.

CANTATA: ( En sevdiğim veri seti referans linklerinden birisi, hem motion detection, tracking, background foreground detection gibi konularda hem de medikal görüntülerle ilgili veri setlerine referans veriyor.)

http://elm.eeng.dcu.ie/~oconaire/cv_datasets.html ( Bir önceki kadar açıklamaları yoğun değil ama her biri çok iyi olan veri setlerine referans veriyor. )

CAVIAR: ( Hem zorlu ışık ortamlarında, hem de aynı görüntünün farklı bakan kameralarla çekildiği bir veri seti. Süperdir. vakti olan ana sayfalarına gidip proje çıktılarını okursa epey paket bilgiye ulaşabilir. )

VISOR: Video Surveillance Online Repositiory: (Kendi groundtruth protokolleri var, şirkette bunu mu kullanalım diye baya bir incelemiştik zamanında.)

IUPR: (Background subtraction, OCR ve Object Recognition için video veri setleri. )

Wallflower: ( Klasik Microsoft veri seti, buradaki mavi montlu amcanın hareketli ağaç önünden geçen görüntüsünü bir sürü makalede hareketli arkaplanda arkaplan çıkarımı için kullandılar MOG, Non-Parametric, Codebook vb hangisine kafayı çevirsek buna dokundurmaca görürüz. Uyuyan adamda train edip amca uyanınca patlamamasını sağlamak da ayrı eğlence oluyor… )

  • Arka plan çıkarımı:

Zoran Zivkovic ( Mixture of Gaussians ve Non-Parametric yaklaşımı şu anda bir çok sistemin temelini oluşturuyor, kodun özellikle non-parametric tarafı çok öğretici MOG ise bildiğin MOG işte daha ne bekliyorsun? )

  • Medikal Görüntüleme:

http://www2.imm.dtu.dk/~aam/ ( Active Appearance Models konusunda Mikkel Stegman’ın Doktora Tezine burdan ulaşılıyor, paso kaybedip ulaşamıyordun bu süper teze, al sana yedek… )

  • DICOM:

NEMA ( DICOM standardının ana unsurudurlar, The Dicom Standard kısmını acip dökümanları indirmemiş adamı döverler. )

David Clunie ( Bu amca alemlerin bıçkın delikanlısı, DICOM onunla başlamış gibi hissediyorum bazen, keyfin kaçınca gir değişiklikleri kontrol et, her linkten başka bir güzellik akmazsa kendini toparlaması için mail at…)

http://www.dclunie.com/dicom-status/status.html ( NEMA’nın DICOM Standard dökümanları ve ulaşımı kolay değil, sağolsun David Cluney amca hepsini bir araya toplamış, hem bu link “İki dakkaya kodlarım canım!” diyen tayfayı da olaydan uzaklaştırır. )

OFFIS ( OFFIS her zaman DICOM konusunda en sevimli baçlangıç açık kaynak kodlu sistemidir. Etiam dahil bir çok DICOM bileşen satıcısının DCMTK‘den yola çıktıklarına şahit oldum. )

IDO Imaging ( Bedava veya Açık Kaynak Kodlu DICOM Viewer, PACS vb. vendorlarına ulaşım için burası yeterli. )

http://www.sph.sc.edu/comd/rorden/dicom.html ( Daha basit anlatanını görmedim, DICOM nedir tadında sunum hazırlayacaklar genelde burdan araklarlar, birbirinden farklı bir sürü sunum görmüştüm burayı kullanan, bir tane de benden olsun 2007 civarı yapmıştım bu sunumu :). )

IHE ( Direk DICOM ile ilgili değil ama özellikle PACS ve RIS konusunu çok basite alan adam vardır bu ülkede, sonuçta hastane otomasyonlarımızın içler acısı durumları ortada. IHE özellikle DICOM ve HL7 uyumluluğu konusunda RIS tarafı ağır basacak şekilde çok önemli. DICOM olmasa bile HL7 konusunda sağlıklı bilgiye sahip insanlar var ülkede onların bakmalarında fayda var. )

  • RFID:

FEIG RFID ( Her şey Almanya’da aldığımız eğitimden sonra başlamıştı değil mi orti? )

  • Sosyalleşme mevzuları:

Facebook iyidir, yıllardır goremediğimiz icimizde yarası olanları gördük, bulduk yeniden. Ama ne değişti? İki gün sonra eski tas eski hamam…

LinkedIn ( LinkedIn iyidir, candır, canandır hiç hesapta yokken Amerikalardan bile işler aldık sağolsun. Düşünenlerin eline sağlık, rep rep rep:) )