Derin Öğrenme Tabanlı Nesne Tanıma Uygulamaları
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, MEKATRONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: Eda Galip
Danışman: Mehmet Bahadır Çetinkaya
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
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. Anahtar Kelimeler: Yapay zekâ, Derin öğrenme modelleri, Görüntü işleme uygulamaları, Görüntü tanıma uygulamaları