Derin öğrenmede kullanılan normalizasyon algoritmaları ve gerçeklenmesi

Yapay zekâ uygulamalarının yüksek başarım sergileyebilmesi için veri setinin en efektif şekilde kullanması kritik bir öneme sahiptir. Normalizasyon algoritmaları, veri setlerini çeşitli yöntemlerle düzenleyerek aykırılıkları ortadan kaldırmayı ve ağın yüksek yanlılık göstermesini engellemeyi amaçlayan tekniklerdir. Bu çalışmada, var olan normalizasyon algoritmalarına ek, literatürde yeni bir yöntem olarak önerilmiş MVSR Normalizasyonu kullanılarak, akciğer radyografi görüntü veri seti ile eğitilmiş CNN modeli ile COVID-19 hastalığının teşhisinin gerçekleştirilmesi ve bu yöntemin model başarımını artırması amaçlanmıştır. COVID-19 Radyografi Veri Tabanı kullanılarak gerçekleştirilen bu çalışmada, Google Colab ortamında oluşturulan CNN modeli sırasıyla, normalizasyonsuz, Min-Max, MVSR, MVSR+Min-Max Normalizasyonları uygulanmış akciğer radyografi görüntü veri setleriyle beslenmiş, modeller Kria KV260 Vision AI Starter Kit ortamında gömülmek amacıyla kaydedilmiş ve modellerin her biri kit ortamında test edilerek performans metrikleri ile değerlendirilmiştir. MVSR Normalizasyonu Kria KV260 Vision AI Starter Kit ortamında, Min-Max Normalizasyonu ise Colab ortamında gerçekleştirilmiştir. Çalışmanın sonunda en yüksek başarıma sahip olan model, kitin kamerası kullanılarak tekrar test edilmiştir. Bu tez çalışmasında en yüksek başarım, MVSR+Min-Max Normalizasyonu ile %95 olarak elde edilmiştir.