Gömülü Derin Öğrenme ile Tehdit İçeren Nesnelerin Gerçek Zamanda Tespiti
| Autor: | Mehmet Umut Salur, Mehmet Karakose, Ilhan Aydin |
|---|---|
| Rok vydání: | 2019 |
| Předmět: | |
| Zdroj: | Volume: 10, Issue: 2 497-509 Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi |
| ISSN: | 1309-8640 2146-4391 |
| DOI: | 10.24012/dumf.492433 |
| Popis: | Derin ogrenme metotlari bilgisayarli gorme ve goruntu islemede ozellikle de goruntu siniflandirma probleminde onemli bir teknoloji haline gelmistir. Bunun en onemli nedenlerinden biri farkli problemler uzerinde derin ogrenmenin gostermis oldugu ustun basaridir. Internetin gelisimi ile cok buyuk veri kumeleri toplanmakta ve yuksek guclu grafik islemci kartlar ile bu veriler gercek zamanli olarak islenebilmektedir. Fakat her problemler icin bu sekilde buyuk olcekli veri toplamak oldukca maliyetli bir islemdir. Bu amacla on egitilmis derin ogrenme modelleri transfer ogrenme yontemi ile daha dusuk boyuttaki verileri siniflandirmak icin kullanilabilir. Bu calismada X-ray cihazlarindan alinan goruntulerde tehdit unsuru iceren nesneleri siniflandirmak icin transfer ogrenme yontemi ile gomulu ve gercek zamanli calisabilen bir sistem gelistirilmistir. Bu sistem Nvidia Jetson TX2 gelistirme karti uzerinde bir evrisimsel sinir agi olan Alexnet derin ogrenme modeli kullanmaktadir. Bu model ile X-ray bagaj guvenlik goruntuleri icerisindeki bicak, silah, jilet ve Ninja yildizi gibi tehdit unsuru iceren nesneler siniflandirilmistir. Olusturulan deney ortaminda Alexnet 12.000 goruntu ile egitilmis ve gercek ortamda test edilmistir. Onerilen yontemin performansi ayni veri kumesi uzerinde daha once yapilan farkli bilgisayarli gorme teknikleri ile karsilastirilmis ve daha basarili sonuclar elde edilmistir. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|