Derin Öğrenme Modellerinde Komşuluk Bileşen Analizi Yöntemi Kullanarak Çiçek Görüntülerinin Sınıflandırılması

Authors : Harun BİNGOL
Pages : 439-447
Doi:10.35234/fumbd.1053501
View : 33 | Download : 10
Publication Date : 2022-03-20
Article Type : Research Paper
Abstract :Çiçekler tıpkı insanlar ve hayvanlar gibi doğanın yeri doldurulamaz canlılarıdır. Çiçekler birçok hastalığın tedavisinde tıp uzmanları tarafından kullanılmaktadır. İlaç şirketleri büyük araştırma laboratuvarlarında ilaç üretmek için devasa bütçeler ayırarak bu çiçek türleri üzerine araştırma yapmaktadırlar. Bazı çiçekleri gördüğümüz zaman hemen tanırız fakat doğada bizim bildiğimizden çok daha fazla çiçek türü mevcuttur. Hatta günümüzde hiç tanınmamış çiçek türleri bile vardır. Bu çalışmada çiçek türleri üzerine çalışan araştırmacıların, çiçek türlerini tespit etme işlerini kolaylaştırmak amacıyla çiçek görüntüleri derin öğrenme metotları kullanarak sınıflandırılmıştır. Derin öğrenme yöntemleri son zamanlarda özellikle görüntü işlemede yaygın bir şekilde kullanılmakta ve oldukça etkili sonuçlar vermektedir. Bu çalışmada altı farklı derin öğrenme yöntemi kullanılmıştır. İlk aşamada, önceden eğitilmiş Alexnet, Googlenet, Shufflenet, Efficientnetb0, Resnet50 ve Inceptionv3 mimarileri ile sınıflandırma işlemi yapılmıştır. İkinci aşamada ise bu altı mimariden elde edilen özellik haritaları KBA (Komşuluk bileşen analizi) yöntemi ile optimize edildikten sonra ayrı ayrı makine öğrenmesi sınıflandırıcılarında sınıflandırılmıştır. Üçüncü aşamada, önceden eğitilmiş bu altı derin öğrenme modelini kullanarak veri setindeki çiçek görüntülerinin özellik haritaları çıkarılmıştır. Bu altı derin öğrenme mimarisinden üç tanesi kullanılarak elde edilen özellik haritaları birleştirilmiştir. Daha sonra bu özelliklere algoritmanın çalışma zamanını kısaltmak için KBA metodu uygulanarak gereksiz özellikler çıkarılmış ve optimize edilmiştir. Optimize edilmiş olan özellik haritası klasik makine öğrenmesi sınıflandırıcılarında sınıflandırılmıştır. Deneysel çalışmalarımız sonucunda önermiş olduğumuz modelin doğruluk oranı yüzde 93.49’dur.
Keywords : Derin öğrenme, ESA, çiçek görüntüleri, sınıflandırıcılar, KBA

ORIGINAL ARTICLE URL