Derin öğrenme yöntemleri kullanılarak görüntüler üzerinde insan hareketlerinin ve hastalıklarının sınıflandırılması

Derin öğrenme modelleri son yıllarda oldukça popüler ve yaygın bir hale gelmiştir. Gelişen teknoloji ile birlikte veri tabanlarında tutulan verilerin miktarları her geçen gün artmaktadır. Bu tez çalışmasında da derin öğrenme tabanlı yöntemler kullanılarak veri setlerinde tutulan bu verilerin işlenmesi ve bunların sınıflandırılması amaçlanmıştır. Gerçekleştirilen bu tez çalışmasında 3 farklı uygulama gerçekleştirilmiştir. İlk uygulamada insan hareketleri görüntülerinden oluşan bir veri seti kullanılmıştır. Bu veri setindeki videolardan belirli sayıda görüntü örnekleri alınarak bir veri seti oluşturulmuştur. Oluşturulan veri setindeki insan hareketlerinin sınıflandırılması için ESA tabanlı bir model geliştirilmiştir. Gerçekleştirilen ikinci uygulamada ise beyin MR görüntüleri kullanılarak, bu görüntüler tümörlü ve tümörsüz görüntüler olmak üzere sınıflandırılmıştır. Bu uygulamada hibrit bir model önerilmiştir. Son uygulamada ise göğüs X-Ray görüntülerinden oluşan bir veri seti kullanılmıştır. Bu veri setinde ki görüntüleri zatürre ya da normal olarak sınıflandırmak için önerilen hibrit yöntemde başarılı sonuçlar elde edilmiştir. Beyin MR görüntüleri ve göğüs X-Ray görüntülerinin sınıflandırılmasında, önerilen hibrit modelde ESA mimarilerinden olan Resnet50 taban olarak kullanılmıştır. Her üç çalışmada da halka açık veri setleri kullanılmıştır. Gerçekleştirilen derin öğrenme tabanlı uygulamalarda başarılı sonuçlar elde edilmiştir. Önerilen bu yöntemlerin çalışmada kullanılan önceden eğitilmiş modellerden daha başarılı oldukları görülmüştür. Ayrıca gerçekleştirilen uygulamalar literatürdeki benzer çalışmalarla da kıyaslanmıştır.