Görüntü bölütleme uygulamaları için yarı-eğiticili öğrenme

Bu tez çalışmasında, Unconstraint Least Square Importance Fitting (ULSIF) algoritmasını kullanan, yeni bir yarı-eğiticili öğrenme metodu önerilmiştir. ULSIF algoritması önem değerini doğrudan hesaplabilmektedir, bunun için test sınıflarına ait olasılık dağılım fonksiyonlarını ayrı ayrı hesaplamaya ihtiyaç duymamaktadır. Görüntü bölütleme problemi üzerinde renk ve örüntü özelliklerini kullanan farklı yarı-eğiticili öğrenme metodları kullanılmış, bu metodların benzerlikleri ve farkları incelenmiştir. ULSIF algoritmasının bölütleme performansı, yaygın olarak bilinmekte olan tek-sınıflı SVM metoduyla, tutarlılık ve çalışma süresi bakımından karşılaştırılmıştır. Sonuç olarak, tek-sınıflı ULSIF metodu hem renk hem de örüntü tabanlı görüntü bölütleme probleminde tek-sınıflı SVM'den daha iyi performans göstermiştir. Ayrıca, ULSIF algoritması iki-sınıflı görüntü bölütleme metodu olarak da uyarlanmıştır. İki-sınıflı görüntü bölütleme metodlarında, öğrenme işlemi sırasında hem önplan hem de arkaplan özellikleri birlikte kullanılmıştır. İki-sınıflı ULSIF görüntü bölütleme metodunun çıktıları, iki-sınıflı SVM ve yapay zeka algoritmaları ile kıyaslanmıştır. Sonuç olarak, iki-sınıflı SVM algoritması iki-sınıflı ULSIF ve yapay zeka algoritmalarına göre daha iyi performans göstermiştir.