Optimizing CNNS via Sørensen-Dice based pruning
Sørensen-Dice tabanlı budama ile CNNS'nin optimize edilmesi
- Tez No: 942160
- Danışmanlar: PROF. DR. SÜREYYA AKYÜZ
- Tez Türü: Yüksek Lisans
- Konular: Belirtilmemiş.
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 40
Özet
Derin öğrenme, özellikle Evrişimli Sinir Ağları (CNN'ler), görüntü tanıma, doğal dil işleme ve nesne tespiti gibi birçok alanda devrim yaratmıştır. Ancak, bu modellerin yüksek hesaplama karmaşıklığı ve bellek gereksinimleri, kaynakları sınırlı cihazlarda kullanılmalarını zorlaştırmaktadır. Bu çalışmada, her bir evrişim katmanı içindeki gereksiz çekirdekleri belirlemek ve kaldırmak için güçlü Sørensen-Dice benzerlik katsayısını kullanan özgün bir çekirdek budama çerçevesi önerilmektedir. Bu yöntem, modelin yapısal bütünlüğünü ve doğruluğunu koruyarak model karmaşıklığını etkili bir şekilde azaltmaktadır. Popüler CNN mimarileri ve karşılaştırmalı veri kümeleri üzerinde yapılan kapsamlı deneyler, bu yaklaşımın diğer budama yöntemlerine kıyasla üstünlüklerini ortaya koymaktadır.
Özet (Çeviri)
Deep learning, particularly Convolutional Neural Networks CNNs, has revolutionized many fields, including image recognition, natural language processing, and object detection. However, the high computational complexity and memory requirements of these models hinder their deployment on resource-constrained devices. In this paper, a novel kernel pruning framework is proposed that leverages the robust Sørensen-Dice similarity coefficient to identify and remove redundant kernels within each convolutional layer. This method efficiently reduces model complexity while preserving essential structural information and accuracy. Extensive experiments on popular CNN architectures and benchmark datasets demonstrate the advantages of this approach over other pruning methods.
Benzer Tezler
- Dikkat eksikliği ve hiperaktivite bozukluğu olan çocukların el yazılarının görüntü işleme teknikleri ile analizi
Analysis of handwriting of children with attention deficit hyperactivity disorder using image processing techniques
ÖZLEM YILDIZ BUDAK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED FATİH ADAK
- Detection and recognition face framework by using conventional neural network CNN
Başlık çevirisi yok
WISAM ABBAS HUSSEIN AL-SAADI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Histopatolojik görüntüler kullanılarak dikkat tabanlı transfer öğrenme yöntemiyle meme kanseri sınıflandırması
Breast cancer classification using attention-based transfer learning on histopathological images
ABUBAKIR ALI HAMMOOD
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHİR KAYA
- A comparative study of augmentation techniques for defect detection in PCB manufacturing: Identifying the best approaches for limited datasets
Baskı devre kartı (PCB) üretiminde hata tespiti için veri arttırma tekniklerinin karşılaştırmalı bir çalışması: Sınırlı veri setleri için en iyi yaklaşımların belirlenmesi
DOĞAN IRMAK URAL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ARDA SEZEN
- Image generation with convolutional neural networks
Kavramsal sinir ağları ile görüntü üretimi
HAITHAM SABAH HUSIN ALOBAIDI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ