DERİN ÖĞRENME KULLANILARAK OPTİMUM JPEG KALİTE FAKTÖRÜNÜN BELİRLENMESİ

Authors : Emir ÖZTÜRK, Altan MESUT

Pages : 1010-1018

Doi:10.21923/jesd.698719

View : 15 | Download : 8

Publication Date : 2020-12-25

Article Type : Research Paper

Abstract :Görüntü verisinde sıkıştırma algoritmalarının kullanılması bir gereklilik haline gelmiştir. En çok kullanılan görüntü sıkıştırma algoritmalarından biri olan JPEG, görüntü üzerinde kayıplı bir sıkıştırma gerçekleştirmekte ve verilen kalite faktörüne göre bu kayıp değişmektedir. Düşük kalite faktörlerinde dosya boyutu küçülmekte fakat bozulma gözle görülür hale gelmektedir. Yüksek kalite faktörlerinde ise kalite artmakta fakat dosya boyutundan edilen sıkıştırma karı azalmaktadır. Bu sebeple hem görüntü kalitesini korumak hem de yer kazancı sağlamak için dosya boyutu ve görüntü kalitesi arasındaki dengenin sağlanması faydalı olacaktır. Bu çalışmanın amacı, dosya boyutu ve görüntüdeki bozulmanın arasındaki oranın en iyi insert ignore into journalissuearticles values(optimum); olduğu kalite faktörünü derin öğrenme yöntemleri kullanarak belirlemektir. Yapılan çalışmada önerilen bir veri çıkarma yöntemi yoğun sinir ağları insert ignore into journalissuearticles values(dense neural networks); ile eğitilmiş ve yöntemin başarısı evrişimsel sinir ağları ile yapılan denemelerle karşılaştırılmıştır. Görüntüdeki bozulmanın hesaplanmasında SSIM insert ignore into journalissuearticles values(Structural Similarity Index); kullanılmıştır. Elde edilen sonuçlarda önerilen yöntem kalite faktörünün belirlenmesinde CNN kullanılmasına göre %9.36 daha fazla doğruluk oranına sahip olmuştur.
Keywords : Veri sıkıştırma, Derin Öğrenme, CNN, JPEG