Derin öğrenme kullanılarak seam carving ile boyutlandırılmış görüntülerin tespiti

İçeriğe duyarlı görüntü yeniden boyutlandırma olarak bilenen seam carving, görüntünün içeriği koruncak şeklinde, görüntü boyutunu ayarlama yöntemlerinden biridir. Görüntüyü yeniden boyutlandırma, çeşitli aygıt ekranları ve uygulamalar gibi modüller arasındaki farklı çözünürlüklerin üstesinden gelebilmek için kullanılır. Görüntünün orijinal içeriği bozmak veya kaldırmak için de kasıtlı olarak kullanılabilir. Dolayısıyla görüntülere bu tür dış müdahaleyi tespit etmek, büyük önem arz etmektedir. Bu tez çalışmasında görüntülere uygulanan seam carving tespiti, derin öğrenme modelleri, bilgisayar görmesinde yaygın olarak başvurulan 2 boyutlu konvolüsyonel sinir ağları (CNN – Convolutional Neural Network) ve tam bağlantılı (FC - Fully Connected) kullanılarak tespit gerçekleştirilmiştir. Önerilen model, % 0, % 10, %20 ve % 40 seam carving sınıflarından oluşan dört çıkışa sahip, çoklu sınıflandırıcı olarak geliştirilmiştir. Oluşturulan derin öğrenme ağlarının eğitiminde, ImageNet açık kaynak görüntü seti kullanılmaktadır. Orijinal görüntülerin yanında, dikey yönünde seam carving ile %10, %20 ve %40 boyutları azaltılmış görüntüler kullanılarak eğitim ve test veri setleri elde edilmiştir. Modelin başarımı, karmaşıklık (confusion) matrisi ve test setlerini doğru sınıflandırma oranı ile ölçeklenmiştir. Modelin doğruluk analizi, görüntüler üzerinde model test edilerek, karmaşıklık, kesinlik (precision), F1-score ve recall matrisleriyle sonuçları ve doğruluk değeri detaylı olarak gösterilmiştir.