Geri Dön

Görüntü işleme süreç ve sonuçları açısından google ve yerel makine öğrenmelerinin kıyaslanması

Comparison of google and local machine learning in terms of image processing process and results

  1. Tez No: 673002
  2. Yazar: ZAFER KAYA
  3. Danışmanlar: DOÇ. DR. DOĞAN AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Kütahya Dumlupınar Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 77

Özet

Düşünen ve düşündükten sonra yorum, çıkarım ve kestirimde bulunan insanoğlunun doğal zekasını ve onun biyolojik yapısındaki sinir ağlarını taklit ederek oluşturulan yapay zeka, günümüzde çok yaygın hale gelmiştir. 2019 yılına ait verilere göre yüzde 44 artışla 35,8 milyar dolara ulaşan yapay zeka harcamaları, birçok teknoloji devi ve büyüklü-küçüklü birçok şirketin ilgi sahasındadır. Yapay zekanın en önemli çalışma alanlarından biri de yapay sinir ağları(YSA)dır. Yapay sinir ağları modelleriyle yapılan yapay zeka uygulamaları, bir kısım teknoloji devi tarafından ücretsiz olarak sunulsa da şirketlerin gizlilik, ticari sır ve güvenlik gibi endişelerine tam cevap olamamaktadır. Böyle bir ortamda yerel makinelerle şirketlerin yollarına devam etmesi gerekmektedir. Yerel makinelerle öğrenmelerin sağlanması şirketler için zaman, maliyet, güvenirlik gibi kavramları düşünmeye zorlamaktadır. Bu çalışmada, şirketlere yol göstermesi için yerel makine ve Google Firebase makine öğrenmesi SSD algoritması üzerinden karşılaştırılmıştır. Deneyler robots.ox.ac.uk tarafından sağlanan çiçek veri kümesi kullanılarak gerçekleştirilmiştir. Veri seti 8 çiçek türü (ayçiçeği, çan çiçeği, çiğdem, iris çiçeği, karahindiba, kardelen, papatya ve rüzgar gülü) içermektedir. Bu çalışmada, kamuya açık Google Firebase ve yerel makine öğrenme kıyaslaması yapılarak kendi yerel makineleriyle yapay zeka uygulama yarışına katılmak isteyen şirketler için projeksiyon hedeflenmiştir.

Özet (Çeviri)

Artificial intelligence, which is created by imitating the natural intelligence of human beings who think and interpret, infer and predict, and neural networks in its biological structure, has become very common today. Artificial intelligence spending, which reached 44.8 billion dollars with an increase of 44 percent according to the data of 2019, is in the interest of many technology giants and many big and small companies. One of the most important fields of study of artificial intelligence is artificial neural networks (ANN). Although artificial intelligence applications made with artificial neural network models are offered free of charge by some technology giants, they cannot fully respond to companies' concerns such as privacy, trade secret and security. In such an environment, companies need to move on with local machines. Providing learning with local machines forces companies to consider concepts such as time, cost, and reliability. In this study, local machine and Google Firebase machine learning were compared using SSD algorithm to guide companies. Experiments were carried out using the flower data set provided by robots.ox.ac.uk. The data set includes 8 flower types (sunflower, bellflower, crocus, iris flower, dandelion, snowdrop, daisy, and wind rose). In this study, projection was aimed for companies that want to participate in the artificial intelligence application race with their local machines by comparing public Google Firebase and local machine learning.

Benzer Tezler

  1. Assessment of water quality and aquatic diversity of an open-pit gold mine area using random forest algorithm with Google Earth engine

    Google Earth engine ile rastgele orman algoritması kullanılarak açık ocak altın madeni su kalitesi ve sucul canlılık çeşitliliğinin değerlendirilmesi

    ŞENER ALKAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ESRA ERTEN

  2. Evaluation of land use land cover change around istanbul airport between years of 2011-2021

    2011 – 2021 yılları arasında istanbul havalimanı çevresi arazi ortusu arazi kullanımı degişiminin degerlendirilmesi

    KANER LEVENT

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ÇİĞDEM GÖKSEL

  3. Görüntü sınıflandırmada yineleyen derin ağ ve görü dönüştürücü modellerinin karşılaştırılması

    Comparison of recurrent deep network and vision transformer models in image classification

    OĞUZHAN BUBO

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURHAN BARAKLI

  4. Enhancing human resource decision making with image-based OSMI data analysis: leveraging PIX2PIX for accurate workplace mental health insights

    İş yeri mental sağlık incelemeleri için PIX2PIX kullanarak, görüntü tabanlı OSMI veri analiziyle insan kaynakları karar süreçlerini geliştirme

    FARIBA FARID

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. NİZAMETTİN BAYYURT

  5. Derin öğrenme ile tekstil tipi tanım

    Fabric classification by using deep learning

    GÖKHAN GÜRGEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ECE OLCAY GÜNEŞ