Geri Dön

Derin öğrenme algoritmalarını kullanarak görüntü sınıflandırma

Image classification using deep learning algorithms

  1. Tez No: 636260
  2. Yazar: UTKU KUBİLAY ÇINAR
  3. Danışmanlar: PROF. DR. GÜLHAYAT GÖLBAŞI ŞİMŞEK
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: 81

Özet

Günümüzde bilgisayar teknolojilerinin gelişmesi, Merkezi İşlem Birimi ve Grafik İşlemci Ünitelerinin görsel / fotoğraf / video analizlerinde kullanılmasıyla beraber bilgisayarla görü süreçleri, daha az maliyetle ve daha yüksek başarılarla yapılabilmektedir. Bu çalışmada amaçlanan, yapay zeka tabanlı derin öğrenme algoritmalarını kullanarak fotoğrafları sınıflandırmaktır. Bu sınıflandırma işlemi Python programı kullanılarak yapılmıştır. Bu çalışmada kullanılacak veri seti olarak, her evde rahatça bulunabileceğinden dolayı ilaç kutuları seçilmiştir. 10 farklı ilaç kutusunun, 200 tane fotoğrafı eğitim için ve 50 tane fotoğrafı test verisi için çekilmiştir. Toplamda 10 farklı ilaç kutusunun, 2500 adet fotoğrafı çekilmiştir. Etiketleme ve klasörleme işleminin ardından ilk olarak eğitim verisinin klasörü oluşturulmuştur. Daha sonra aynı işlemler test verisi için de uygulanmıştır. Bu işlemlerin ardından bütün fotoğrafların boyutları değiştirilmiştir. Görüntü işleme süreçlerinde yaygın kullanılan boyut, 224 x 224 x 3 piksel boyutudur.Bütün fotoğraflar bu boyutta olacak şekilde yeniden düzenlenmiştir. Model kurulmadan önce veriyi artırmak için yapay fotoğraflar üretilmiştir. Her fotoğraf eğitilmeden önce belirlenmiş kriterlere göre kendini değiştirir ve sisteme yeni bir fotoğrafmış gibi girer. Böylece veri miktarı artmış ve sınıflandırma başarısı da yükselmiş olur. Sınıflandırma yapmak için Evrişimsel Sinir Ağları algoritması ile beraber transfer öğrenme kullanılmıştır. Uygun model ve mimari sonucunda geliştirilen model; 500 fotoğrafı, 10 sınıfa %97'i aşan bir başarı oranıyla sınıflandırmıştır.

Özet (Çeviri)

Nowadays, thanks to the development of computer technologies and the use of Central Processing Unit (CPU) and Graphics Processor Units (GPU) on visual / photo / video analyses, computer vision processes can be achieved with less cost and higher success. The aim of this study is classification of photographs using deep learning algorithms based on artificial intelligence. This classification was made using Python. As the data set to be used in this study, pillbox were chosen because they can be found easily in every house. 200 photographs of 10 different medicine boxes were taken for training data and 50 photographs for test data. In total, 2500 photographs of 10 different medicine boxes were taken. Following labeling and foldering, the training data folder is first created. The same procedures were applied for the test data. After this process all photos have been resized. The widely accepted dimensions in the image processing is 224 x 224 x 3 pixels. All photos were resized accordingly to this dimensions. Before the model was built, artifical images were produced to increase the data. Each photo changes itself according to the specified criteria before training and enters the system as if it were new photo. Thus, data amount increases and classification success also increases. In order to classify, CNN (Convolutional Neural Network) algorithm and Transfer Learning were used. Developed as a result of the appropriate model and architecture, the model classified 500 photographs with an accuracy rate exceeding 97% in 10 classes.

Benzer Tezler

  1. Derin öğrenme algoritmalarını kullanarak deepfake video tespiti

    Deepfake video detection using deep learningalgorithms

    ŞAHİN KORKMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Adli Bilişim Ana Bilim Dalı

    PROF. DR. MUSTAFA ALKAN

  2. Çiftçi kayıt verileri ve açık kaynak kodlu EO-Learn kütüphanesi kullanılarak tarımsal ürün desen tespiti ve kontrolü

    Agricultural product pattern detection and control using farmer registration data and open source code EO-Learn library

    FATİH FEHMİ ŞİMŞEK

    Doktora

    Türkçe

    Türkçe

    2022

    Jeodezi ve FotogrametriNecmettin Erbakan Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. SÜLEYMAN SAVAŞ DURDURAN

  3. Derin öğrenme yöntemleri kullanarak beyin tümörü teşhisi ve sınıflandırması

    Brain tumor diagnosis and classification using deep learning methods

    ABDULLAH SAKIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MAHMUT HEKİM

  4. El yazısı karakter tanıma ve resim sınıflandırmada derin öğrenme yaklaşımları

    Deep learning approaches in handwritting character recognition and image classification

    AOUDOU SALOUHOU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BERNA KİRAZ

  5. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK