Transfer Derin Öğrenme Teknikleri ile Görüntü Sınıflandırmada Aktivasyon Fonksiyonlarının Performans Üzerindeki Etkisi

Basit Öğe Kaydı
dc.contributor.authorHabek, Gül Cihan
dc.contributor.authorTasdemir, Sakir
dc.contributor.authorBaşçiftçi, Fatih
dc.contributor.authorYılmaz, Ahmet
dc.date.accessioned2025-03-23T19:09:05Z
dc.date.available2025-03-23T19:09:05Z
dc.date.issued2024
dc.departmentSinop Üniversitesi
dc.description.abstractİleri beslemeli yapay sinir ağı modeli olan konvolüsyonel sinir ağları (CNN) görüntülerin sınıflandırılması problemlerinde sıklıkla kullanılmaktadır. Genel olarak konvolüsyon katmanı, havuzlama katmanı ve tam bağlı katmandan oluşan CNN modeli üzerinde performansı iyileştirmek amacı ile birtakım eklemeler ve değişiklikler yapılarak yeni mimariler geliştirilmiştir. Bu çalışmada geliştirilen CNN tabanlı VGG16 ve ResNet50 mimarilerine sigmoid, tanh ve ReLu aktivasyon fonksiyonlu farklı sayıda gizli katman eklenerek derin transfer öğrenme tekniği ile görüntüler sınıflandırılmış ve performansları karşılaştırılmıştır. Sınıflandırma için kullanılan veri seti meyveler ile ilgili çoklu sınıflı bir veri seti olup kurulan modellerin son katmanında 10 nöronlu softmax sınıflandırıcı kullanılmıştır. Devir sayısı 10 girilerek sınıflandırma doğruluğu (accuracy), duyarlılık (precision), geri çağırma (recall) ve f1-ölçütü olmak üzere dört farklı metrik için sonuçlar alınmıştır. Alınan sonuçlar kıyaslandığında modeller arasında ResNet50 mimarisine sigmoid aktivasyon fonksiyonlu, 256 ve 128 nöronlu iki gizli katman ve 10 nöronlu bir softmax sınıflandırıcı katmanı olmak üzere toplam üç katman eklenerek oluşturulan modelin %97.5 sınıflandırma doğruluğu değeri ile en iyi sonucu verdiği gözlemlenmiştir. Son olarak dört metrik için alınan sonuçlar Friedman ve Nemenyi post-hoc testlerine tabi tutularak istatistiksel bir analiz yapılmış, modeller arasındaki ilişki test edilmiştir. Test sonucunda oluşturulan modellerin birbirleri ile ilişkili olduğu sonucuna varılmıştır.
dc.identifier.doi10.35414/akufemubid.1334098
dc.identifier.endpage307
dc.identifier.issn2149-3367
dc.identifier.issue2
dc.identifier.startpage294
dc.identifier.trdizinid1233316
dc.identifier.urihttps://doi.org/10.35414/akufemubid.1334098
dc.identifier.urihttps://search.trdizin.gov.tr/tr/yayin/detay/1233316
dc.identifier.urihttps://hdl.handle.net/11486/3273
dc.identifier.volume24
dc.indekslendigikaynakTR-Dizin
dc.language.isotr
dc.relation.ispartofAfyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_TR_20250323
dc.subjectBilgisayar Bilimleri
dc.subjectYazılım Mühendisliği
dc.subjectGörüntüleme Bilimi ve Fotoğraf Teknolojisi
dc.subjectBilgisayar Bilimleri
dc.subjectYapay Zeka
dc.titleTransfer Derin Öğrenme Teknikleri ile Görüntü Sınıflandırmada Aktivasyon Fonksiyonlarının Performans Üzerindeki Etkisi
dc.typeArticle

Dosyalar

Koleksiyon

TR-Dizin İndeksli Yayınlar Koleksiyonu