Derin öğrenme tabanlı nesne tanıma uygulamaları
Deep learning based object recognition applications
- Tez No: 846755
- Danışmanlar: DOÇ. DR. MEHMET BAHADIR ÇETİNKAYA
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Yapay zekâ, Derin öğrenme modelleri, Görüntü işleme uygulamaları, Görüntü tanıma uygulamaları, Artificial intelligence, Deep learning models, Image processing applications, Image recognition applications
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bilgisayar destekli görüntü tanıma, yapay zekâ alanında yaşanan gelişmelerle birlikte son yıllarda önemli bir araştırma alanı haline gelmiştir. Derin öğrenme, yüksek boyutlu görüntülerin işlenmesinde doğru sonuçlar üretebilen en sağlam yaklaşımlardan biridir. Bu çalışmada açık kaynak kodlu Keras kütüphanesi ile sinir ağlarının oluşturulması hedeflenmiş ve ayrıca veri akış grafikleri kullanarak numerik hesaplamalar yapan TensorFlow açık kaynak kodlu makine öğrenmesi kütüphanesi üzerinde derin öğrenmeye dayalı analizler gerçekleştirilmiştir. ImageNet veri tabanından yararlanılarak internet tarayıcısı üzerinden 3900 adet görselden oluşan özel bir görüntü veri seti oluşturulmuştur. Oluşturulan bu veri seti üzerinde VGG16, VGG19, ResNet50, ResNet50V2, ResNet101, MobileNet ve DenseNet121 ağ modelleri için derin öğrenme tabanlı analizler gerçekleştirilmiştir. Gerçekleştirilen analizler Doğruluk Oranları ortalaması, Hata Oranları, Eğitim Süreleri ve Tahmin Değerleri ortalaması açısından mukayese edilmiştir. VGG19 ağ modeli 1081 adet nesne görselini doğru, 89 adet nesne görselini ise yanlış tahmin ederek, %97.8475 Doğruluk Oranı'na ve %92.3931 Tahmin Değeri oranına sahip olarak sistemin en başarılı ağ modeli olarak seçilmiştir, ResNet50V2 ağ modeli ise 387 adet nesne görselini doğru, 783 adet nesne görselini ise yanlış tahmin ederek, %45.3272 Doğruluk Oranına ve %33.0768 Tahmin Değeri oranına sahip olarak sistemin en başarısız ağ modeli olarak seçilmiştir. Sonuç olarak, farklı nesne grupları için derin öğrenme algoritmaları kullanılarak yüksek doğrulukta görüntü tanıma sonuçlarının elde edilebildiği görülmüştür.
Özet (Çeviri)
Computer-aided image recognition has become an important research area in recent years with the developments in the field of artificial intelligence. Deep learning is one of the most robust approaches that is able to produce accurate results in processing of high-dimensional images. In this study, it was aimed to create neural networks with the Keras open source library and also deep learning based analyzes were performed on the TensorFlow open source machine learning library which performs numerical calculations by using data flow charts. A special image dataset consisting of 3900 images was created from the ImageNet database via the internet browser. Deep learning based analyzes were carried out for VGG16, VGG19, ResNet50, ResNet50V2, ResNet101, MobileNet and DenseNet121 network models on this data set. The results have been compared in terms of mean accuracy rates, error rates, training times and mean prediction value rates. It was determined that the VGG19 network model predicted 1081 object images correctly and 89 object images incorrectly and it was chosen as the optimal network model of the system, with an accuracy rate of %97.8475 and a prediction value rate of %92.3931. ResNet50V2 network model predicted 387 object images correctly and 783 object images incorrectly and it was chosen as the worst network model of the system, with an accuracy rate of %45.3272 and a prediction value rate of %33.0768. Consequently, it was seen that the image recognition results with high accuracy were able to obtained for different object groups via deep learning algorithms.
Benzer Tezler
- Eş zamanlı konumlandırma, haritalandırma uygulamaları ve nesne tanıma tabanlı konumlandırma
Simultaneous localization, mapping applications and object recognition based localization
AHMET MURAT ERTURAN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEYFETTİN SİNAN GÜLTEKİN
- Derin öğrenme tabanlı şeffaf nesne tanıma
Deep learning based transparent object detection
KORHAN MUTLUDOĞAN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ METİN BİLGİN
- İHA üzerinden derin öğrenme tabanlı nesne belirlenmesi ve GNSS konum koordinatlarının hesaplanması
Deep learning based object detection via UAV and computation of GNSS location coordinates
FERİT TİRYAKİ
Yüksek Lisans
Türkçe
2020
Mekatronik MühendisliğiMarmara ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ERDAL
DR. ÖĞR. ÜYESİ BARIŞ DOĞAN
- Besleme sistemi için derin öğrenme tabanlı hayvan tanıma
Deep learning based animal recognition system for feeding system
SABAHATTİN ÇİFTÇİ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolVan Yüzüncü Yıl ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT KOCA
- Endüstriyel uygulamalar için gömülü sistemlerde derin öğrenme temelli nesne tanıma
Deep learning based object recognition in embedded systems for industrial applications
ESRA MADEN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiBursa Uludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERSEN YILMAZ