Parça Tabanlı Eğitimin Evrişimli Yapay Sinir Ağları ile Nesne Konumlandırma Üzerindeki Etkisi

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.