Du følger nå
Feil med følging av bruker.
Denne brukeren tillater ikke brukere å følge dem.
Du følger allerede denne brukeren.
Medlemskapsplanen din tillater bare 0 følginger. Oppgrader her.
Sluttet å følge
Kunne ikke slutte å følge bruker.
Du har vellykket anbefalt
Kunne ikke anbefale bruker.
Noe gikk galt. Oppdater siden og prøv igjen.
Vellykket bekreftelse av e-post.
tuzla evora sitesi b8 blok daire: 40 pedik,
turkey
Det er for øyeblikket 11:30 p.m. her
Ble med september 1, 2016
1
Anbefaling
Eyyup T.
@eyyuptemlioglu
5,0
5,0
95%
95%
tuzla evora sitesi b8 blok daire: 40 pedik,
turkey
97 %
Jobber fullført
85 %
Innenfor budsjett
87 %
I tide
32 %
Gjenansettelsesrate
PhD candidate - R&D engineer - Software developer
Kontakte Eyyup T. angående jobben din
Logg inn for å diskutere eventuelle detaljer over chat.
Portefølje
Portefølje
Facial Landmarks, Dlib, OpenCV, C++, Qt, GUI
Facial Landmarks, Dlib, OpenCV, C++, Qt, GUI
Anmeldelser
Endringer lagret
Viser 1 - 5 av totalt 37 omtaler
$400,00 USD
Matlab and Mathematica
Machine Learning (ML)
C++ Programming
Face Recognition
Artificial Intelligence
T
•
$275,00 USD
Python
Matlab and Mathematica
Machine Learning (ML)
C++ Programming
OpenCV
•
₹3 500,00 INR
Python
Matlab and Mathematica
Machine Learning (ML)
C++ Programming
OpenCV
C
•
₹2 800,00 INR
Python
Matlab and Mathematica
Machine Learning (ML)
Face Recognition
OpenCV
C
•
$50,00 USD
Matlab and Mathematica
Machine Learning (ML)
C++ Programming
Face Recognition
Artificial Intelligence
T
•
Erfaring
R&D engineer
feb. 2013 - sep. 2016 (3 år, 7 måneder)
R&D engineer
Utdanning
PhD
(1 år)
MS
(2 år)
BS
(5 år)
Publikasjoner
A least mean square approach to buried object detection in ground penetrating radar
IEEE - 2017
In this study, Least Mean Square (LMS) approach is used to solve buried object detection problem. The proposed approach is tested with a realistic data set simulated by using a new version of gprMax electromagnetic modeling software. The data set consists of several different soil types, objects, different burial depths and surface types. Resulting Receiver Operating Characteristic (ROC) curves demonstrate the performance of the proposed method.
Histograms of Dominant Orientations for anti-personnel landmine detection using GPR
IEEE - 2017
Histograms of Dominant Orientations (HDO) feature extraction method is implemented for landmine detection problem.
Clutter Removal in Ground-Penetrating Radar Images Using Morphological Component Analysis
IEEE Geoscience and Remote Sensing Letters - 2016
Singular Value Decomposition (SVD), Principal Component Analysis (PCA) and Independent Component Analysis (ICA) are commonly used for clutter removal. They all aim to decompose the GPR images into subcomponents that represent the clutter and the target separately. In this letter, we propose a sparse model for differentiating the target and the clutter using appropriate dictionaries based on Morphological Component Analysis (MCA).
Sparse representations based clutter removal in GPR images
IEEE - 2015
PCA, SVD, FAST-ICA, JADE-ICA, MCA
Comparative analysis of short and long GPR pulses for landmine detection
SPIE - 2016
Comparative analysis of short and long GPR pulses for landmine detection
Comparison of feature extraction methods for landmine detection using Ground Penetrating Radar
IEEE - 2016
HOG, SIFT, SURF, BRIEF, EHD
Receiver Operating Characteristic (ROC) curves are calculated for comparison of methods.
Kontakte Eyyup T. angående jobben din
Logg inn for å diskutere eventuelle detaljer over chat.
Verifiseringer
Toppferdigheter
Bla i lignende utstillinger
Invitasjonen ble sendt!
Takk! Vi har sendt deg en lenke for at du skal kunne kreve din gratis kreditt.
Noe gikk galt. Vær så snill, prøv på nytt.
Kopiering til utklippstavlen mislyktes. Prøv igjen etter å ha justert tillatelsene dine.
Kopiert til utklippstavlen.
Forhåndsvisning innlasting
Tillatelse gitt for geolokalisering.
Påloggingsøkten din er utløpt og du har blitt logget ut. Logg på igjen.