Dönüştürücü kullanarak sanat resimlerinin sınıflandırılması
Classification of art pictures using transformers
- Tez No: 938675
- Danışmanlar: DR. ÖĞR. ÜYESİ SERDAR ÇİFTÇİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 41
Özet
Bu tez çalışmasında, derin öğrenme yöntemleri kullanılarak sanat resimlerinin“Tür”,“Sanatçı”ve“Stil”bazında sınıflandırma performansları incelenmiştir. Sanat resimlerinin sınıflandırılmasına yönelik çalışmalarda, konvolüsyonel sinir ağı (CNN) tabanlı yöntemler, özellik çıkarma konusundaki başarıları sayesinde alanda etkili sonuçlar vermiştir. Ancak yapılarında yer alan dikkat mekanizmaları sayesinde bilgisayarlı görü alanında daha yüksek performans sergileyen dönüştürücü (transformer) tabanlı modeller, son yıllarda bu alanda daha fazla tercih edilmiştir. Bu çalışmada CNN tabanlı ResNet, MobileNet, EfficientNet ve ConvNeXt ile dönüştürücü tabanlı ViT, Swin, BEiT ve DeiT modelleri kullanılarak sınıflandırma deneyleri gerçekleştirilmiştir. Deneylerde, çevrimiçi erişime açık WikiArt veri kümesi kullanılmıştır.“Sanatçı”ve“Tür”kategorilerinde en yüksek sınıflandırma doğrulukları sırasıyla %84,90 ve %79,52 ile BEiT modeliyle elde edilirken,“Stil”kategorisinde en iyi sonuç %72,59 doğrulukla Swin modeliyle elde edilmiştir. Dönüştürücü tabanlı yöntemlerin, CNN tabanlı yöntemlere kıyasla daha başarılı sonuçlar verdiği gözlemlenmiştir.Ayrıca tez kapsamında yapılan deneylerin literatürdeki benzer çalışmalarla karşılaştırılması sonucunda, dönüştürücü tabanlı modellerin sanat resimlerinin sınıflandırılmasında mevcut çalışmalara kıyasla daha yüksek performans sunduğu görülmüştür.
Özet (Çeviri)
This thesis explores the classification performance of artworks based on three key attributes:“Genre,”“Artist,”and“Style,”employing deep learning techniques. Convolutional neural network (CNN)-based methods have traditionally shown strong results in art classification tasks due to their effectiveness in feature extraction. However, transformer-based models, which utilize attention mechanisms, have recently gained prominence in the computer vision domain by demonstrating superior performance. In this study, classification experiments were conducted using several CNN-based models, including ResNet, MobileNet, EfficientNet, and ConvNeXt, alongside transformer-based models such as ViT, Swin, BEiT, and DeiT. These experiments utilized the publicly available WikiArt dataset. The highest classification accuracy in the“Artist”and“Genre”categories was achieved with the BEiT model at 84.90% and 79.52%, respectively, while the best result in the“Style”category was obtained with the Swin model at 72.59% accuracy. The findings indicate that transformer-based approaches consistently outperform their CNN counterparts. Additionally, when comparing these results with previous studies in the literature, it became evident that transformer-based models offer enhanced performance in the classification of artworks.
Benzer Tezler
- Polonya posterlerinin semiyolojik incelemesi
Semological analysis of Polish posters
MELEK ZEYNEP ÇORUH
Yüksek Lisans
Türkçe
2024
Güzel SanatlarİSTANBUL BEYKENT ÜNİVERSİTESİİletişim ve Tasarım Ana Sanat Dalı
DOÇ. DR. NİHAT DURSUN
- Gericoult, Goya ve Delacroix' nın resimlerindeki romantik yaklaşımın irdelenmesi
Study of the romantic approach in the paintings of Gericoult, Goya and Delacroix
HAKAN CİNGÖZ
Yüksek Lisans
Türkçe
2008
Güzel SanatlarMimar Sinan Güzel Sanatlar ÜniversitesiResim Ana Bilim Dalı
YRD. DOÇ. İRFAN OKAN
- Virtual reality applications in urban design: Unveiling potentials and future directions
Kentsel tasarımda sanal gerçeklik uygulamaları: Potansiyellerin ve gelecek yönelimlerin belirlenmesi
IŞIK SEVİNÇ KESKİN MERCAN
Yüksek Lisans
İngilizce
2024
Mimarlıkİstanbul Teknik ÜniversitesiKentsel Tasarım Ana Bilim Dalı
DOÇ. DR. GÜLDEN DEMET ORUÇ ERTEKİN
- Heykel sanatında malzeme olarak ışık ve anlatım olanakları
Light as a material in art of sculpture and narration possibilities
MUHARREM ÖZDEMİR
Yüksek Lisans
Türkçe
2025
Güzel SanatlarDüzce ÜniversitesiHeykel Ana Sanat Dalı
PROF. DR. İLKER YARDIMCI
- Soyut dışavurumcu portrelerin oluşum sürecindeki psikolojik etkiler
Psychological effects on the formation process of abstract expressionist portraits
SEVTAP BAYRAKTAR