Hesaplamalı Arşiv Bilimi ile Görüntü Sınıflandırma ve Dijital Provenans

Authors : Mehmet Oytun Cibaroğlu
Pages : 244-283
Doi:10.33721/by.1772464
View : 149 | Download : 258
Publication Date : 2025-12-31
Article Type : Research Paper
Abstract :Arşiv bilimi; büyük veri ve yapay zekâ odaklı oldukça geniş çaplı bir dönüşümün içinde yer almaya başlamıştır. Bu doğrultuda hesaplamalı arşiv bilimi adı verilen yeni bir paradigma ortaya çıkmıştır. Bu alan, bilgisayar bilimi ile arşiv biliminin kolektif bilgisini birleştirerek dijital arşiv materyallerinin analizi, uzun süreli korunması ve erişimi için hesaplamalı yöntemler sunmaktadır. Bu çalışmada, hesaplamalı arşiv biliminin temel yaklaşımları benimsenerek; yapılandırılmamış (uydu tarafından çekilen yer görüntüleri) dijital arşiv veri seti üzerinde transfer öğrenmesi bazlı sınıflandırma görevi gerçekleştirilmiş, hesaplamalı süreçlere ait provenans verisi oluşturulmuş ve tüm çıktılar, Archivematica programı aracılığıyla uzun süreli dijital korumaya alınmıştır. Transfer öğrenmesi kapsamında ise EfficientNet mimarisinin (B0-B3, V2B0-V2B3) 8 farklı varyantı kullanılmış, öncelikle ağırlıksız olarak eğitilen temel modellerin, sonrasında Keras Tuner RandomSearch tekniği ile en iyi hiperparametre aramaları yapılarak başarımları geliştirilmeye çalışılmıştır. Optimize edilen modellerde B3, V2B2 ve V2B3 varyantları %97,20 doğruluk ve sırasıyla 0,9713, 0,9716 ve 0,9718 F1 skorları ile en iyi sonucu vermiştir. Tüm hesaplamalı süreçler, JSON formatında provenans verisi olarak yapılandırılmış; analizlere dair işlem bilgileri, kullanılan yöntemler, hiperparametreler ve çıktılar zaman damgalı şekilde kayıt altına alınmıştır. Örnek olarak seçilen EfficientNetB3 modelinin analiz süreçleri, BagIt kütüphanesi ile paketlenmiş, orijinal veri setiyle birlikte Archivematica sistemine yüklenmiş ve burada SIP, AIP ve DIP paketlerine dönüştürülerek uzun süreli koruma sağlanmıştır. Çalışmanın özgünlüğü, sadece hesaplamalı modeller oluşturulması ile sınırlı kalmamakta olup aynı zamanda bu süreçlerin arşivsel bağlamda belgelenmesi, versiyonlanması ve korunması hedeflerini de içermesi ile diğer çalışmalardan ayrışmaktadır.
Keywords : Hesaplamalı Arşiv Bilimi, Derin Öğrenme, Transfer Öğrenmesi

ORIGINAL ARTICLE URL