Derin öğrenme kullanılarak görüntülerden nesne ayırtetme

Tez çalışmasının temel amacı derin öğrenmeyi farklı çerçevelerden incelemektir. Çalışmamız daha sonra derin öğrenme tekniğiyle nesne algılamaya odaklanmaktadır ve bir yada birden fazla köpeğin algılaması için hangi yöntemlerin uygun olduğu karşılaştırılmaktadır. Nesne algılama için öncelikle görüntüdeki nesneleri sınıflandırma ve yerleştirme işlemleri sağlanmaktadır. Nesne tespiti, bilgisayarlı görme ve makine öğrenmesinin dahil olduğu zor bir konudur. Bu çalışmada makine öğrenmesi ve bilgisayar görmesi yardımıyla çeşitli derin öğrenme tekniklerini uygulanarak, en etkileyici sonuçlara ulaşılmıştır, çünkü derin öğrenme araştırma topluluklarındaki en popüler ve en yaygın kullanılan yöntemlerden biri haline gelmiştir. Konvolüsyonel sinir ağı, derin sinir ağında, bilgisayar görme konusundaki bazı yarışmaların üstesinden gelen bir alt tiptir, çünkü iyi sonuçlar elde edilmektedir ve nesne algılama görevlerindeki kullanımlara çok uygundur. Yeni araştırmalardaki keşiflerin yeni incelemelerine dayanarak, çalışmalarımız için uygun olan tekniğin, çok sayıda köpek türüne ait görüntülerde sınıflandırma yapmak için kullanma eğiliminde olduğumuz Daha Hızlı Bölge Konvolüsyonu Sinir Ağı (Faster R-CNN) olduğu düşünülmektedir. Nesne tespiti ve sınıflandırması için daha hızlı olan R-CNN, özellikle tespit amacıyla birkaç farklı yoldan geçmektedir. Özellikle doğruluk ve hız bakımından daha hızlı olan R-CNN yöntemi seçilmiştir. Böylelikle köpek görüntülerinden sınıflandırma yapmak ve bunları tespit etmek için eğitilmiş daha hızlı bir R-CNN sunulmaktadır.