Makine öğrenme ve derin öğrenme modelleri kullanilarak gümrük işlem belgelerinin görsel siniflandirilmasi

Gümrük işlemlerinde kullanılan belgelerin imgesel hallerini, makine öğrenmesi ve derin öğrenme modelleri ile sınıflandırma yapılmıştır. Resim sınıflandırma yöntemleri olarak, bu tez kapsamında, makine öğrenmesi alanında Gaussian Naive Bayes, Rastgele Orman ve Destek Vektör Makinesi; derin öğrenme alanında Evrişimsel Sinir Ağları, Görsel Dönüştürücü, ConvNext ve EfficientNetV2 yöntemleri kullanılmıştır. Model tiplerine özel olarak veri setleri düzenlenmiş olup, modellerin en uygun düzeyde çalışmasını sağlayacak şekilde belirlenen parametre değerleriyle modeller oluşturulmuş ve ilgili veri setleri ile eğitim ve testleri yapılmıştır. Modellerin karşılaştırılmaları eğitim süreleri ve doğruluk oranları açısından yapılmıştır. En iyi sonuçlar, yaklaşık 11 dakikalık eğitim süresi ve %98,32 doğruluk oranı ile Evrişimsel Sinir Ağı modeliyle elde edilmiştir. İkinci en yüksek doğruluk oranı %97,94 ile Rastgele Orman modelinde elde edilirken, genel anlamda ikinci en iyi sonuçlar ise yaklaşık 22 dakikalık eğitim süresi ve %95,89 doğruluk oranı ile EfficientNetV2 modeliyle elde edilmiştir.