Geri Dön

A case study on data augmentation strategy in deep learning

Derin öğrenmede veri artırma stratejisine ilişkin bir örnek çalışma

PDF İndir

  1. Tez No: 930434
  2. Yazar: ONUR ÖZÖNEL
  3. Danışmanlar: PROF. DR. ALİ TOLGA BOZDANA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Makine Mühendisliği, Mechanical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Gaziantep Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Konstrüksiyon ve İmalat Bilim Dalı
  13. Sayfa Sayısı: 90

Özet

Yapay Zekâ ve Makine Öğreniminin alt kümesi olan Derin Öğrenme (DÖ) yöntemi, temsili öğrenmeye sahip sinir ağları modeline dayanır. Modelin geliştirilmesinde ve eğitilmesinde kullanılan veri setinin seçimi, modelin tahmin ve kesinlik performansı açısından büyük önem taşımaktadır. Veri Artırma (VA), mevcut veri kümesi temel alınarak verilerin değiştirilmiş kopyalarını oluşturarak eğitim veri kümesini yapay olarak artırma tekniğidir. Bir diğer deyişle, orijinal veri kümesinde küçük değişiklikler yapılarak yeni veri kümesi oluşturulmaktadır. Bu çalışmada, YOLOv8n platformunda artırılmış veriler kullanılarak geliştirilen modellerin performanslarının incelenmesi amaçlamaktadır. Çalışma kapsamında kullanılan veri seti, internette açık kaynak kullanıma sunulan çok sayıda kedi görsellerinin toplanmasıyla hazırlanmıştır. Veri artırma stratejisi, çeşitli metodolojilere (bulanıklaştırma, renk değişimi, döndürme) dayalı olarak gerçekleştirilmiştir. Orijinal veri setinde yer alan veriler, özgün (tek tip) ve birleşik (tüm türlerin kombinasyonu) veri artırma yöntemleri uygulanarak çoğaltılmıştır. Söz konusu özgün ve birleşik artırılmış veriler ile modeller eğitilmiş, veri artırma yaklaşımının etkisini değerlendirmek amacıyla modellerin performansları karşılaştırılmıştır. Sonuçlar, veri artırma stratejisinin modellerin tahmin ve kesinlik performansı üzerinde önemli bir etkiye sahip olduğunu göstermiştir.

Özet (Çeviri)

Deep Learning (DL), a subset of Machine Learning in Artificial Intelligence, is based on neural networks with representation learning. Selection of training dataset used in development of the model is crucial in terms of prediction and precision performance. Data Augmentation (DA) is a technique of artificially increasing the training dataset by means of creating modified copies of dataset using existing data. This is achieved by making minor changes to the original dataset to generate new dataset. This study aims to analyze the performance of models developed using YOLOv8n platform with use of the augmented data. The dataset was prepared by collection of a number of cat images available at open sources on internet. Data augmentation was carried out based on various augmentation methodologies (such as blurring, color change, and rotation).The original dataset was augmented individually (with single type of augmentation) and as a combination (with all types of augmentation). The models were trained with use of individual and combined augmented data, and the model performances were compared to evaluate the effect of choice of augmentation type. The results showed that the augmentation strategy had significant influence on prediction and precision performance of the models.

Benzer Tezler

  1. Tez No

    948039

    Robot hücresi içerisinde yapay zekâ ve görüntü işleme tabanlı parça besleme kontrolü

    Artifical intelligence and image processing-based part feeding control in a robot cell

    ENESALP ÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED KÜRŞAD UÇAR

  2. Tez No

    607193

    BGA malzemelerin x-ışını görüntülerindeki lehim hatalarının derin sinir ağı kullanarak tespiti

    Detection of BGA solder defects from x-ray images using deep neural network

    CEREN TÜRER AKDENİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ZÜMRAY ÖLMEZ

  3. Tez No

    935555

    An agent-based approach to assess the impact of electricity generation on carbon emissions

    Bir ajan temelli yaklaşim ile elektrik üretiminin karbon emisyonlari üzerindeki etkisinin değerlendirilmesi

    DENİZHAN GÜVEN

    Doktora

    İngilizce

    İngilizce

    2025

    Enerjiİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    PROF. DR. MEHMET ÖZGÜR KAYALICA

    PROF. DR. ÖMER LÜTFİ ŞEN

  4. Tez No

    879778

    A prescriptive analytics approach towards critical ship machinery operations

    Kritik gemi makine işlemlerine yönelik bir preskiriptif analitik yaklaşım

    BARIŞ YİĞİN

    Doktora

    İngilizce

    İngilizce

    2024

    Denizcilikİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    PROF. DR. METİN ÇELİK

  5. Tez No

    962555

    Türkiye'de afet yönetim sisteminin mevcut durumu ve stratejik iyileştirme önerileri

    Current status of disaster management system in Turkey and strategic improvement suggestions

    ZÜMRAL ERDEM

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Kamu YönetimiSakarya Üniversitesi

    Afet Yönetimi Ana Bilim Dalı

    DOÇ. DR. CEM KIRLANGIÇOĞLU

Geri Dön