TY  - JOUR
TI  - Faster R-CNN Evrişimsel Sinir Ağı Üzerinde Geliştirilen ModelinDerin Öğrenme Yöntemleri ile Doğruluk Tahmini ve Analizi:Nesne Tespiti Uygulaması
AB  - Günümüz teknolojisiyle sonuçların daha doğru şekilde elde edilmesi için yapay zeka, makine öğrenmesi ve derin öğrenmealgoritmalarından faydalanılarak başarılı sonuçlar elde edilmeye çalışılmaktadır. Literatürdeki çalışmalar içerisinde, başarı (succes) vekayıp oranlarının (loss), seçilen algoritmaların performanslarını etkileyen en önemli faktörlerin; farklı eğitim adımları (epoch) ve verisetlerindeki karmaşık olduğu tespit edilmiştir. Bu çalışmada, belirli bir algoritmanın belirlenmiş bir nesneden oluşturulan veri setiüzerinde çalıştırılarak başarılı bir şekilde tespit etme işleminin gerçekleştirilmesi hedeflenmiştir. Gerçekleştirilen bu çalışmada FasterR-CNN (Faster Region Based Convolutional Networks) evrişimsel sinir ağı kullanılarak 18 ayrı deney içerisinde 502 adet görüntü ileoluşturulan veri setinin derin öğrenme teknikleriyle nesne tespit işlemi gerçekleştirilmiştir. Nesne tanıma yaparken fotoğraf, video veanlık olarak görüntü alınabilecek kamera seçeneklerinin bulunduğu ara yüz tasarlanmıştır. Çalışmada farklı eğitim adımları ile modelieğitip, en doğru oranla tahmin yapan eğitim adımı değeri bulunmaya çalışılmıştır. Eğitim sürecinde en başarılı tahmin oranınınbulunması için ise farklı eğitim adımlarıyla deneyler gerçekleştirilmiştir. Yapılan toplam 100.000 eğitim adımlık eğitimin sonucundaelde edilen başarı oranı %97,835 ve kayıp oranı %2,165’tir.
AU  - YILMAZ, Okan
AU  - AYDIN, Hakan
AU  - Çetinkaya, Ali
DO  - 10.31590/ejosat.753896
PY  - 2020
JO  - Avrupa Bilim ve Teknoloji Dergisi
VL  - 0
IS  - 20
SN  - 2148-2683
SP  - 783
EP  - 795
DB  - TRDizin
UR  - http://search/yayin/detay/466384
ER  -