Görüntü işleme süreç ve sonuçları açısından google ve yerel makine öğrenmelerinin kıyaslanması
Comparison of google and local machine learning in terms of image processing process and results
- Tez No: 673002
- Danışmanlar: DOÇ. DR. DOĞAN AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Görüntü sınıflandırma, Hücresel yapay sinir ağları, Sayısal görüntü işleme, Image classification, Cellular artificial neural networks, Digital image processing
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Kütahya Dumlupınar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Düşünen ve düşündükten sonra yorum, çıkarım ve kestirimde bulunan insanoğlunun doğal zekasını ve onun biyolojik yapısındaki sinir ağlarını taklit ederek oluşturulan yapay zeka, günümüzde çok yaygın hale gelmiştir. 2019 yılına ait verilere göre yüzde 44 artışla 35,8 milyar dolara ulaşan yapay zeka harcamaları, birçok teknoloji devi ve büyüklü-küçüklü birçok şirketin ilgi sahasındadır. Yapay zekanın en önemli çalışma alanlarından biri de yapay sinir ağları(YSA)dır. Yapay sinir ağları modelleriyle yapılan yapay zeka uygulamaları, bir kısım teknoloji devi tarafından ücretsiz olarak sunulsa da şirketlerin gizlilik, ticari sır ve güvenlik gibi endişelerine tam cevap olamamaktadır. Böyle bir ortamda yerel makinelerle şirketlerin yollarına devam etmesi gerekmektedir. Yerel makinelerle öğrenmelerin sağlanması şirketler için zaman, maliyet, güvenirlik gibi kavramları düşünmeye zorlamaktadır. Bu çalışmada, şirketlere yol göstermesi için yerel makine ve Google Firebase makine öğrenmesi SSD algoritması üzerinden karşılaştırılmıştır. Deneyler robots.ox.ac.uk tarafından sağlanan çiçek veri kümesi kullanılarak gerçekleştirilmiştir. Veri seti 8 çiçek türü (ayçiçeği, çan çiçeği, çiğdem, iris çiçeği, karahindiba, kardelen, papatya ve rüzgar gülü) içermektedir. Bu çalışmada, kamuya açık Google Firebase ve yerel makine öğrenme kıyaslaması yapılarak kendi yerel makineleriyle yapay zeka uygulama yarışına katılmak isteyen şirketler için projeksiyon hedeflenmiştir.
Özet (Çeviri)
Artificial intelligence, which is created by imitating the natural intelligence of human beings who think and interpret, infer and predict, and neural networks in its biological structure, has become very common today. Artificial intelligence spending, which reached 44.8 billion dollars with an increase of 44 percent according to the data of 2019, is in the interest of many technology giants and many big and small companies. One of the most important fields of study of artificial intelligence is artificial neural networks (ANN). Although artificial intelligence applications made with artificial neural network models are offered free of charge by some technology giants, they cannot fully respond to companies' concerns such as privacy, trade secret and security. In such an environment, companies need to move on with local machines. Providing learning with local machines forces companies to consider concepts such as time, cost, and reliability. In this study, local machine and Google Firebase machine learning were compared using SSD algorithm to guide companies. Experiments were carried out using the flower data set provided by robots.ox.ac.uk. The data set includes 8 flower types (sunflower, bellflower, crocus, iris flower, dandelion, snowdrop, daisy, and wind rose). In this study, projection was aimed for companies that want to participate in the artificial intelligence application race with their local machines by comparing public Google Firebase and local machine learning.
Benzer Tezler
- Uzaktan çok kaynaklı ölçümler yoluyla varlık verilerinin güvenilirliği
Uzaktan çok kaynakli ölçümler yoluyla varlik veri̇leri̇ni̇n güveni̇li̇rli̇ği̇
SALİHCAN KARAMAN
Yüksek Lisans
Türkçe
2026
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR BEHZAT TOKDEMİR
- Assessment of the land and sea interaction by using different types of satellite data
Farklı özellikteki uydu verileri ile kara-deniz etkileşiminin belirlenmesi
AYLİN TUZCU KOKAL
Doktora
İngilizce
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
- Generating a high-definition map (HD MAP) via yolo (you only look once) deep learning-based object detection model
Yolo (you only look once) derin öğrenme tabanli nesne tespit modeli ile yüksek tanimli hari̇ta (HD MAP) oluşturma
YASİN MEMİ
Yüksek Lisans
İngilizce
2025
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HANDE DEMİREL
- Assessment of water quality and aquatic diversity of an open-pit gold mine area using random forest algorithm with Google Earth engine
Google Earth engine ile rastgele orman algoritması kullanılarak açık ocak altın madeni su kalitesi ve sucul canlılık çeşitliliğinin değerlendirilmesi
ŞENER ALKAN
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
- Google Earth Engine platformu kullanılarak mevcut güneş tarlalarının belirlenmesi ve güneş tarlaları için yer seçimi
Determination of existing solar farms and site selection for solar farms using Google Earth Engine platform
ŞURA KIRCALI
Doktora
Türkçe
2025
Şehircilik ve Bölge PlanlamaAkdeniz ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. DİLEK KOÇ SAN