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: 76
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
- Derin öğrenme kullanılarak perakende ürün tespiti
Başlık çevirisi yok
İSMAİL KÖSE
Yüksek Lisans
Türkçe
2022
Bilim ve TeknolojiSivas Cumhuriyet ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. OĞUZ KAYNAR
- 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
- Benek gürültüsü gidermeye dayalı veri artırma ile derin ağlarda radar hedef sınıflandırma
Despeckling based data augmentation approach in deep learning based radar target classification
ŞAKİR HÜDAİ MERT CEYLAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- 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
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ERDAL
DR. ÖĞR. ÜYESİ BARIŞ DOĞAN
- El hareketlerinin derin öğrenme tabanlı tanınması ve artırılmış gerçeklik uygulaması geliştirme
Deep learning based recognition of hand gestures and development of augmented reality application
OSMAN GÜLER
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM YÜCEDAĞ