Makine öğrenmesi ve derin öğrenme: Nesne tanıma uygulaması
Machine learning and deep learning: Aplications of object recognition
- Tez No: 541261
- Danışmanlar: YRD. DOÇ. DR. BÜLENT GÜRSEL EMİROĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Science and Technology, Engineering Sciences
- Anahtar Kelimeler: Makine Öğrenmesi, Derin Öğrenme, Nesne Tanıma, Görüntü İşleme, MNIST, CIFAR-10, Yapay Sinir Ağları, Rastgele Orman, k-En Yakın Komşu, Lojistik Regresyon, Naive Bayes, Machine Learning, Deep Learning, Object Recognition, Image Processing, MNIST, CIFAR-10, Artificial Neural Network, Random Forest, k-Nearest Neighbors, Logistic Regression, Naive Bayes
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Kırıkkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 170
Özet
Büyük veri son yılların en popüler sorunlarından birisidir. İnternet üzerinden veya çevrimdışı olarak elde edilen verilerin saklanması oldukça zordur. Ancak mevcut veriler sayesinde karşılaşılan yeni veriler için doğru çıkarımlar yapmak bilim, ekonomi, tıp, savunma sanayi ve teknoloji gibi birçok disiplinlinler arası alan için oldukça önemlidir. Bu anlamda düzenlenerek bir araya getirilen veriler makine öğrenmesi ve derin öğrenme yöntemleri ile anlamlandırılarak yeni veya öngörülemeyen veriler için doğru tahminlerin yapılmasını sağlar. Bu çalışmada derin öğrenme yöntemi ve diğer makine öğrenmesi yöntemleri anlatılmıştır. Yöntemler, gerçek görüntülerden oluşan CIFAR-10 ve MNIST veri setleri üzerinde uygulanmıştır. Yeni bir derin ağ modeli (BasitNet) geliştirilerek lojistik regresyon, naive bayes, rastgele orman ve k-en yakın komşu yöntemleri ile karşılaştırılmıştır. Önerilen BasitNet modeli ile 1/50 oranında daha az parametreyle AlexNet'ten daha iyi tahmin performansı elde edilmiştir. Elde edilen sonuçlar önerilen BasitNet diğer yöntemlerden daha başarılı olduğunu göstermiştir.
Özet (Çeviri)
Big data is one of the most popular problems experienced in recent years. Storing data obtained as offline or over the Internet is very difficult. However, making the correct inferences for the new data originating from the existing data is very important for many interdisciplinary fields such as science, economics, medicine, defense industry and technology. In this sense, the data gathered by means of machine learning and deep learning methods is used to make accurate predictions for new or unpredictable data. In this study, Machine Learning Methods and Deep Learning Method are explained. The methods were applied on CIFAR-10 and MNIST datasets composed of real images. A new deep network model (SimpleNet) was developed and compared with logistic regression, naive bayes, random forest and k-nearest neighbor methods. Better prediction performance than AlexNet was achieved with the proposed SimpleNet model with 1/50 fewer parameters The results obtained have shown that the proposed SimpleNet is more successful than the other methods.
Benzer Tezler
- Visual object recognition and detection using deep learning
Derinlikli öğrenme ile görsel nesne tanıma ve tespit etme
BURAK ÇÖREKCİOĞLU
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- Yapay zekâya dayalı anlamsal video işleme yöntemlerinin tıpta kullanılabilirliğinin araştırılması
Investigation of usability of artificial intelligence semantic video processing methods in medicine
HASAN UCUZAL
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMEK GÜLDOĞAN
- Deep learning methods for 3B object recognition on meshes
Örgüler üzerinde 3B nesne tanıma için derin öğrenme yöntemleri
BURAK AKGÜL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN YILDIZ
- Derin öğrenme ile uydu görüntülerinde hedef tespiti
Target detection in satellite images using deep learning
VAZIRKHAN TARVERDIYEV
Yüksek Lisans
Türkçe
2021
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Derin öğrenme tabanlı geçek zamanlı kimliklendirme sistemi
Deep learning based real time identification system
MEHMET FATİH ÖZDEMİR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DAVUT HANBAY