Atıf Sayısı
2
Görüntüleme
12
İndirme
2
Görüntü içerisindeki nesnelerin tespit edilmesi ve sınıflandırılma uygulamaları her geçen gün artmaktadır. Bu çalışmada da robotik uygulamalarda da kullanılabilecek bir nesne tespiti ve sınıflandırılması uygulaması gerçekleştirilmiştir. Alexnet Evrişimsel Sinir Ağları (ESA) mimarisi ve Bölgesel Evrişimsel Sinir Ağları (B-ESA) algoritması ile gerçekleştirilen çalışmada yedi farklı nesne sınıfı seçilmiştir. Veri setindeki 684 eğitim verisi etiketlenerek ağın eğitilmesinde kullanılmıştır. 226 test görüntüsü eğitilen ağda test edilmesi sonucunda her sınıfa ait doğru tahmin değerleri ve toplam doğruluk değerleri bulunmuştur. Sınıflara ait tahminlerde en düşük %85,74 ve en yüksek %100 değerlerine ulaşılmıştır. Tüm test verileri için doğruluk değeri %93,81 bulunmuştur.
Identification of objects in the image and classification applications are increasing every day. In this study, an object detection and classification application can also be used in robotics applications. The study, conducted with the architecture of the Alexnet Evolutionary Neural Networks (ESA) and the algorithm of the Regional Evolutionary Neural Networks (B-ESA), selected seven different objects classes. 684 data in the data set are labeled and used in the network’s training. The 226 test images were tested in the trained network and found the correct predictive values and total accuracy values for each class. The class forecasts have reached the lowest 85.74% and the highest 100% values. The accuracy value for all test data was 93.81%.
The detection and classification applications of the objects in the image are increasing day by day. In this study, an object detection and classification application, which can also be used in robotic applications, has been realized. Seven different object classes were selected in the study conducted with Alexnet Evolutionary Neural Networks (CNN) architecture and Regional Convolutional Neural Networks (R-CNN) algorithm. 684 training data in the data set were labelled and used to train the network. As a result of testing 226 test images in the trained network, correct predictive values and total accuracy values of each class were found. The lowest estimates of 85.74% and the highest 100% were reached in the estimates of the classes. The accuracy value was 93.81% for all test data.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
