“Sentetik Büyük Veri” İnşasında Kullanılan Desen Yayma Yaklaşımlarının İncelenmesi

Authors : Gaffari ÇELİK, Muhammed Fatih TALU

Pages : 24-34

View : 11 | Download : 7

Publication Date : 2018-09-15

Article Type : Research Paper

Abstract :Derin öğrenme yaklaşımlarının performansı, eğitim aşamasında kullanılan veri kümesinin büyüklüğü ile doğru orantılıdır. Bu nedenle günümüzde imge sınıflandırma, bölütleme veya nesne yakalama gibi problemlerin çözümü için büyük veri kümeleri inşa edilmektedir. Örneğin Alexnet veritabanı 1.2M imge ve 1K kategoriye; Imagenet, 15M imge ve 22K kategoriye; Yahoo Flickr, 100M imge ve 2K kategoriye sahiptir. Bu veri kümeleriyle eğitilen derin ağların doğruluk oranı oldukça yüksektir. Ancak imgeleri kategorilere atama işleminin manuel yapılması, hiç şüphesiz derin öğrenme yaklaşımlarının en büyük dezavantajıdır. İmgeleri kategorize etme insert ignore into journalissuearticles values(etiketleme);, oldukça zahmetli ve hata eğilimi yüksek bir işlemdir. Bu zorluğu ve hata ihtimalini kaldırılabilmek için gerçek imgeler yerine, sentetik imgeleri içeren veri kümelerinin kullanımı önerilmektedir. Sentetik imge üretimi, şekil ve desen üretimi aşamalarını içermektedir. Bir nesnenin sentetik olarak üretilebilmesi şekil ve desen tanımlayıcı modellerin inşasıyla mümkündür. Bu çalışma, desen tanımlayıcı yöntemleri insert ignore into journalissuearticles values(Parça, Piksel, Piramit); kapsamaktadır. Bu yöntemler, gerçek bir imgeden alınan küçük bir desen bilgisinden yola çıkarak deseni yayma ve yüksek boyutlu imge üretmeyi amaçlamaktadır. Doğruluk, zaman ve gürültü duyarlılığı kıstaslarıyla yapılan kıyaslama sonucunda parça tabanlı yöntemin en elverişli desen yayma yöntemi olduğu kanaatine varılmıştır.
Keywords : Desen yayma, piksel tabanlı, parça tabanlı, piramit tabanlı