Please use this identifier to cite or link to this item: https://hdl.handle.net/11147/6439
Title: Parça tabanlı eğitimin evrişimli yapay sinir ağları ile nesne konumlandırma üzerindeki etkisi
Other Titles: Effect of patch based training on object localization with convolutional neural networks
Authors: Orhan, Semih
Baştanlar, Yalın
Orhan, Semih
Baştanlar, Yalın
Keywords: Derin yapay sinir ağları
Evrişimli yapay sinir ağları
Nesne tanıma
Nesne konumlandırma
Deep neural networks
Convolutional neural networks
Object localization
Object recognition
Issue Date: 2017
Publisher: Institute of Electrical and Electronics Engineers Inc.
Source: Orhan, S, and Baştanlar, Y. (2017, May 15-18). Parça tabanlı eğitimin evrişimli yapay sinir ağları ile nesne konumlandırma üzerindeki etkisi. Paper presented at the 25th Signal Processing and Communications Applications Conference. doi:10.1109/SIU.2017.7960201
Abstract: Evrişimli yapay sinir ağları (EYSA) bir derin öğrenme yöntemi olarak son yıllarda imge sınıflandırma ve nesne konumlandırma başta olmak üzere bilgisayarlı görü problemlerinin çözümü konusunda birçok başarı elde etmiştir. Bunun için farklı yapıda ve derinlikte birçok model geliştirilmiştir. Bu çalışmamızda, leoparların resimler içerisindeki konumları evrişimli yapay sinir ağları ile bulunmuştur. Konum bulmak için, literatürde sıkça kullanılan: içinde nesne olan ve olmayan imgelerle model eğitme ve bizim önerdiğimiz: imgeden nesneye ait bölgelerden ve nesneye ait olmayan bölgelerden alınan parçalar ile model eğitme yöntemi karşılaştırılmıştır. Resimlerden parçalar alınarak eğitilen modelin, tüm imge ile eğitilen modellere göre üstün başarı gösterdiği gözlenmiştir.
In recent years, Convolutional Neural Networks (CNNs) have shown great performance not only in image classification and image recognition tasks but also several tasks of computer vision. A lot of models which have different number of layers and depths, have been proposed. In this work, locations of leopards are tried to be identified by deep neural networks. To accomplish this task, two different methods are applied. First of them is training neural network using with entire images, second of them is training neural networks using with image patches which are cropped from full size of images. Patch training model has shown better performance than full size of image trained model.
Description: 25th Signal Processing and Communications Applications Conference, SIU 2017; Antalya; Turkey; 15 May 2017 through 18 May 2017
URI: http://doi.org/10.1109/SIU.2017.7960201
http://hdl.handle.net/11147/6439
ISBN: 9781509064946
Appears in Collections:Computer Engineering / Bilgisayar Mühendisliği
Scopus İndeksli Yayınlar Koleksiyonu / Scopus Indexed Publications Collection

Files in This Item:
File Description SizeFormat 
6439.pdfConference Paper1.32 MBAdobe PDFThumbnail
View/Open
Show full item record

CORE Recommender

Page view(s)

48
checked on Oct 22, 2021

Download(s)

28
checked on Oct 22, 2021

Google ScholarTM

Check

Altmetric


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.