Kavramsal darboğaz modelleri ile açıklanabilir derin öğrenme tabanlı araba görüntü sınıflandırması

Bu çalışma, Kavramsal Darboğaz Modeli (Concept Bottleneck Model - CBM) mimarisinin araç görsellerinin sınıflandırılmasına yönelik yenilikçi bir derin öğrenme (deep learning) uygulaması sunmaktadır ve yapay zekâ alanında yorumlanabilirlik ile şeffaflık ilkelerine odaklanmaktadır. Araştırmanın temel amacı, yalnızca araç türlerini yüksek doğrulukla sınıflandıran bir sistem geliştirmek değil, aynı zamanda modelin karar mekanizmasını insan tarafından anlaşılabilir görsel kavramlar aracılığıyla açıklayabilen bir yapı oluşturmaktır. Bu kapsamda iki aşamalı bir CBM mimarisi uygulanmıştır. İlk aşamada, ResNet-18 tabanlı bir kavram tahminleyici (concept predictor) model eğitilerek araç görsellerinden "2 kapılı", "üstü açılabilir", "köşeli" gibi 20 adet ikili görsel özelliğin tahmini gerçekleştirilmiştir. İkinci aşamada ise, bu kavramsal çıktıları girdi olarak kullanan tam bağlantılı bir yapay sinir ağı aracılığıyla araç sınıfı etiketleri tahmin edilmiştir.Model, Cabrio, Coupe, Crossover, Hatchback, Pickup, Sedan, StationWagon ve SUV olmak üzere toplam sekiz farklı araç sınıfını ayırt edebilecek şekilde eğitilmiştir. Modelin eğitimi ve değerlendirilmesi için, etiketlenmiş araç görselleri ve bu görseller için elle belirlenen görsel kavramlardan oluşan özel bir veri kümesi kullanılmıştır. Deneysel sonuçlar, sınıflandırma görevinde %82 doğruluk oranına ulaşıldığını ve modelin her bir tahmininde kavramsal açıklamalar sunabildiğini göstermektedir. Önerilen yaklaşım, geleneksel uçtan uca (end-to-end) "kara kutu" modellerin aksine, karar süreçlerinin içsel kavramlarla izlenebilir olmasını sağlayarak modelin yorumlanabilirliğini önemli ölçüde artırmaktadır. Bu yönüyle insan merkezli doğrulama, model hata analizi ve sistem güvenilirliği gibi kritik mühendislik süreçlerine katkı sunmaktadır. Gelecekteki çalışmalar, belirsizlik tahmini (uncertainty estimation) entegrasyonu ve veri kümesinin genişletilerek modelin genelleme kabiliyetinin artırılması yönünde sürdürülecektir.