Classification of Human and Vehicles with The Deep Learning Based on Transfer Learning Method
Yazarlar (3)
Dr. Öğr. Üyesi Enes CENGİZ Afyon Kocatepe Üniversitesi, Türkiye
Prof. Dr. Cemal Yilmaz Gazi Üniversitesi, Türkiye
Prof. Dr. Hamdi Tolga Kahraman Karadeniz Teknik Üniversitesi, Türkiye
| Makale Türü |
Özgün Makale
(Ulusal alan endekslerinde (TR Dizin, ULAKBİM) yayınlanan tam makale)
|
||
| Dergi Adı | Düzce Üniversitesi Bilim ve Teknoloji Dergisi | ||
| Dergi ISSN | 2148-2446 | ||
| Dergi Tarandığı Indeksler | TR DİZİN | ||
| Makale Dili | Türkçe | Basım Tarihi | 01-2021 |
| Kabul Tarihi | – | Yayınlanma Tarihi | 29-05-2021 |
| Cilt / Sayı / Sayfa | 9 / 3 / 215–225 | DOI | 10.29130/dubited.842394 |
| Makale Linki | https://dergipark.org.tr/en/download/article-file/1453858 | ||
| UAK Araştırma Alanları |
Yapay Zeka
Görüntü İşleme
|
||
| Özet |
| Son yıllarda derin öğrenme algoritmalarının kullanımında önemli bir artış görülmektedir. Uygulamalarda derin öğrenme modellerinden evrişimli sinir ağı (ESA) özellikle görüntü işlemede insan ve araç gibi önemli nesneleri diğer nesnelerden ayırmak için sıklıkla kullanılmaktadır. Görüntü işleme donanımlarının gelişmesiyle görüntü işleme süreci önemli ölçüde azaltılmaktadır. Bu gelişmeler sayesinde derin öğrenme üzerine yapılan çalışmaların performansı artmaktadır. Bu çalışmada, dronlar tarafından elde edilen görüntülerden nesneleri (insan, araba ve motosiklet/bisiklet) tespit etmek ve sınıflandırmak için derin öğrenmeye dayalı bir sistem geliştirilmiştir. Derin sinir ağının transfer öğrenme yöntemiyle eğitilmesi ve test edilmesi için açık kaynak olan Stanford Üniversitesi görüntü seti ve Afyon Kocatepe Üniversitesi (AKÜ)’nde oluşturulan drone görüntü seti olmak üzere iki veri seti kullanılmıştır. GoogleNet, VggNet ve ResNet50 derin öğrenme algoritmaları kullanılarak insan, araba ve motosiklet/bisiklet sınıflarını tespit etme ve sınıflandırma işlemine göre kesinlik, duyarlılık ve f1 skor değerleri değerlendirilmiştir. Bu değerlendirme sonucuna göre ResNet50 modelinde 0,916 kesinlik, 0,895 hassasiyet ve 0,906 f1 skor değeriyle performansı yüksek sonuçlar elde edilmiştir. |
| Anahtar Kelimeler |
BM Sürdürülebilir Kalkınma Amaçları
| Atıf Sayıları | |
| Google Scholar | 15 |