Çiçek Görüntü Sınıflandırılmasında Ön Eğitimli Evrişimsel Sinir Ağlarının Performans Karşılaştırması

Authors : İpek ATİK

Pages : 315-321

Doi:10.31590/ejosat.1082023

View : 18 | Download : 11

Publication Date : 2022-05-07

Article Type : Research Paper

Abstract :Çiçek sınıflandırması botonikten, ekolojik çalışmalara kadar birçok alan için önemlidir. Çiçek görüntülerinin net şekilde belirgin olmaması, yaprakların, dalların görüntüyü kapatması ve benzer özellikte çiçeklerin çok olması sınıflandırma çalışmalarında rastlanan zorluklardandır. Çalışmada internetten alınan 3670 çiçekten oluşan veri seti kullanılarak sınıflandırma çalışması yapılmıştır. Son dönemde görüntü sınıflandırma çalışmalarında derin öğrenme yöntemleri kullanılarak oldukça başarılı sonuçlara ulaşılmaktadır. Bu çalışma derin öğrenme modellerinden ön eğitimli evrişimsel sinir ağları (ESA) AlexNet, GoogLeNet, SqueezeNet, ShuffleNet ve Resnet-18 ile sınıflandırma çalışması yapılarak performansları karşılaştırmalı olarak irdelenmiştir. Karşılaştırma neticesinde en başarılı sonuca %97.26 doğruluk oranına sahip olan GoogLeNet ile ulaşılmıştır. Diğer modeller için elde edilen başarı oranları sırasıyla ShuffleNet, SqueezeNet, ResNet-18 ve AlexNet için %97.23, %92.84, %91.42 %89.05’tir. Çalışmada GoogLeNet modeli bu çalışmadaki modellerin yanı sıra aynı veri seti ile yapılan diğer alışmalar içinde en yüksek başarıya ulaşan model olmuştur.
Keywords : Derin Öğrenme, Sınıflandırma, Evrişimsel Sinir Ağları, çiçek, GoogLeNet