The effect of feature selection methods on deep convolutional neural networks
Derin evrişimsel sinir ağlarında özellik seçim yöntemlerinin etkisi
- Tez No: 518318
- Danışmanlar: DR. ÖĞR. ÜYESİ BUSE MELİS ÖZYILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 131
Özet
Son yıllarda veri miktarında büyük artış olması ve bu verilerin gittikçe daha yüksek boyutlu hale gelmesi ile birlikte, veriler için ayrım gücü yüksek özelliklerin çıkarımı daha da önemli hale gelmiştir. Özellikle görüntü sınıflandırmada, bu ayrım gücü yüksek özellikleri öğrenmesi nedeniyle Derin Evrişimsel Sinir Ağları sıklıkla kullanılmaktadır. Ancak Derin Evrişimsel Sinir Ağlarının öğrendiği özelliklerin boyutu çok yüksektir ve sınıflandırma görevi için ilgisiz veya gereksiz özellikleri de içerebilir. Bu ilgisiz ve gereksiz özelliklerin kaldırılması sınıflandırma performansının artmasına neden olabilir. Literatürde Evrişimsel Sinir Ağları hakkında çok fazla yayın olmasına rağmen, onlar tarafından çıkarılan özelliklerin seçilmesi hakkında çok fazla yayın bulunmamaktadır. Bu tezde, AlexNet, VGG16 ve VGG19 gibi iyi bilinen derin sinir ağı mimarilerinin tam bağlı iki katmanından elde edilen özelliklere çeşitli özellik seçimi yöntemleri uygulanmış ve seçilen bu özelliklerin sınıflandırma performansları karşılaştırılmıştır.
Özet (Çeviri)
Since there has been large increase in the amount of data in recent years, and these data have become increasingly higher dimension, it has become even more important to extract discriminative high-quality features for this data. Specifically, in image classification, Deep Convolutional Neural Networks are frequently used because of their high discrimination power. However, the dimension of the features learned by Deep Convolutional Neural Networks are very high and may include irrelevant or unnecessary features for classification tasks. Removing these irrelevant and unnecessary features may lead to increased classification performance. Although there are a lot of publications about the Convolutional Neural Networks in the literature, there are not many publications on the selection of the features extracted by them. In this thesis, various feature selection methods have been applied to the features obtained from two fully connected layers of well-known deep neural network architectures such as AlexNet, VGG16 and VGG19, and the classification performances of these selected features have been compared.
Benzer Tezler
- Aydınlatmanın görüntü işleme problemlerine etkisinin yapay zeka teknikleri kullanılarak analizi
Analysis of the effect of lighting on image processing problems using artificial intelligence techniques
BİRKAN BÜYÜKARIKAN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN ÜLKER
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Detecting multilingual offensive language in social media using deep neural networks
Derin sinir ağlarını kullanarak sosyal medyada çokludilli saldırgan dil tespit etme
MAHMUD BİRECİKLİ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELMA AYŞE ÖZEL
- Detection of SARS-CoV-2 main variants of concerns using deep learning
Derin öğrenme kullanılarak SARS-CoV-2 ana varyantlarının tespiti
MEHLİKA TOĞRUL
Yüksek Lisans
İngilizce
2022
Mühendislik BilimleriAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HİLAL ARSLAN
- Makine öğrenmesi kullanarak doküman sınıflandırma
Document classification using machine learning
GÜLER ALPARSLAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. MAHİR DURSUN