Friday, October 30, 2015

Endüstriyel İdeolojilerin Temelleri: Tek Alanda Çalışmak

Bir önceki yazı için Endüstriyel İdeolojilerin Temelleri: Konsentrasyon sayfasını okuyunuz.

Alvin Toffler, The Third Wave, syf. 62-64

Tüm 2. dalga toplumlarında yer etmiş bir diğer büyük prensip, sadece tek bir alanda çalışma (specialization) prensibidir. Bu tür topluluklar konuşma dillerinde, yaşam tarzlarında, dinlenme, eğlenmede çeşitliliği yokederken, aynı anda çalışma dünyasında [kutulara ayrılmış] bir çeşitliliğe gitme ihtiyacı hissediyorlardı. 2. dalga, işbölümü kavramını güçlendirip, o her şeyden anlayan (jack-of-all-trades) köylünün yerine sadece tek bir işe odaklı ketum memur / emekçi tipini ön plana çıkarttı. Bu kişi, o tek şeyi, tekrar tekrar, arka arkaya, aynen Taylor'un tavsiye ettiği gibi yapmakla yükümlü olacaktı [..]

Henry Ford, ünlü Model-T arabasını üretmek için fabrikasında 7882 farklı operasyonun gerektiğini hesaplarken işte bu mantığı takip ediyordu. Ford'un hesabına göre bu operasyonların sadece 949 güçlü, 3448'i her uzvu yerinde insana ihtiyaç duyuyordu, ve gayet soğukkanlı bir şekilde Ford şöyle devam etmişti "kalan işlerin ise 670'si bacağı olmayanlar, 2637'si tek bacağı olanlar, 2'si kolu olmayanlar, 715'ı tek kollu insanlar, 10'u da kör insanlar tarafından rahatça yapılabilir". Özetle tek alanda çalışma kavramının artık tam insana bile ihtiyacı yoktu. Sadece "kısmi insanlar" da onun işlemesi için yeterliydi. Aşırı tek alancılığın bu kadar gaddar daha iyi bir örneği herhalde başka yerde bulunamaz.

Genellikle kapitalizm ile bağdaşlaştırılan bu durum, sosyalizmin de en temel özelliklerinden biridir, çünkü aşırı tek alancılık üretimin tüketimden boşandığı her toplumda otomatik olarak ortaya çıkar. SSCB, Macaristan, Polonya, Doğu Almanya'daki fabrikalar, aynen Çalışma Bakanlığı tam 20.000 tane farklı iş kolu tanımlamış ABD ve Japonya gibi fabrikalarında çetrefil "tek alancı" teknikleri kullanmaya muhtaçtılar.

Monday, October 19, 2015

Endüstriyel İdeolojilerin Temelleri: Konsentrasyon

Bir önceki yazı için 3.Dalga ve Bilgi Toplumu sayfasını okuyunuz.

The Third Wave, Alvin Toffler, syf. 67-68

[Endustriyel] piyasaların yükselişi bir 2. dalga kuralını daha ortaya çıkardı: Konsentrasyon prensibi.

1. dalga toplumları çoğunlukla dağınık halde duran enerji kaynaklarını kullanıyorlardı. 2. dalga toplumları, neredeyse tamamen, yüksek ölçüde konsantre/odaklı halde duran fosil yakıtlarına bağımlı hale geldiler.

Fakat 2. dalga enerji haricindeki başka şeyleri de "odaklı" hale getirdi. İnsan nüfusunu da "odaklaştırdı"; kırsal bölgelerdeki insanları yerlerinden çıkartarak onları çok odaklı haldeki şehir merkezlerine taşıdı.

İş kavramını bile odaklı hale getirdi. 1. dalga toplumlarında iş pek çok değişik yerde, evde, köyde, çiftlikte yapılabilirken, 2. dalga endüstriyel toplumlarda iş neredeyse tamamen konsantre halde fabrikalarda yapılır hale gelecekti - bu fabrikalarda binlerce insan bir araya gelerek işlerini yapmak zorundaydılar.

Dahası da var: İş ve enerji haricinde başka şeyler de konsantre oldu: New Society adındaki bir sosyal bilimler dergisinde yazan Stan Cohen, şunları söylüyordu: "Endüstriyelleşme öncesi fakirler, mahalledeki birinin, akrabalarının yanında kalır, suçlular ise cezalandırılırdı; ağır ceza, ya da yerleşim merkezlerinde dışarı atılarak. Zihni özürlüler kendi aileleri ile kalır, fakir iseler mahalleli tarafından bakılırdı. Ve bütün bu gruplar toplulukta dağınık bir halde durmaktaydılar.

Saturday, October 3, 2015

Image Segmentation - Region Growing Algorithm

1 - Introduction and problem definition

1.1 - Introduction

Image segmentation is an important process in Computer Vision that is used for several operations as edge detection, classification, 3D reconstruction, etc.. The main goal of image segmentation is to cluster pixels into regions. This clustering image pixels into image regions in turns convert the image into a representation that is more meaningful and easier to analyse. More precisely, image segmentation is the process of assigning a label to every pixel in an image such that pixels with the same label share certain characteristics. Image segmentation has broad range of applicability in different fields of science ans engineering.

In this lab work, we implement the region growing algorithm which is one of the basic process of partitioning a digital image and then analyse the design and implementation of it. Finally, we compare the region growing algorithm with other image segmentation algorithms. We describe also about the organization and development phase of the lab work.

1.2 - Problem definition

Our lab work problem asks for performing image segmentation over different image representation and check the result. We implement our image segmentation algorithm over gray level images and RGB color space images to cluster into different image regions. And then we compare our clustering result with Fuzzy C-Means (FCM) clustering algorithm.