Öz denetimli derin öğrenme ile çizim tanıma

El ile yapılan çizimler, insanların düşüncelerini kaydedebilmesi ve aktarabilmesi noktalarında önemli rol oynar. Ancak, insanların algılama farklılıkları, farklı tecrübeye sahip olmaları, çizim yaptıkları araç ve bunun gibi birçok faktör nedeni ile en basit obje çizimleri dahi aynı olmaz. Literatürde, yapay zeka ile çizim tanıma alanında yapılan bir çok çalışma bulunmaktadır. Derin öğrenme modellerinin gelişmesi ile bu alanlarda yer alan çalışmalar farklılaşmış, büyük veri setleri oluşturulmuş ve geliştirilmiştir. Bu tez kapsamında, çizim tanıma alanında Quick, Draw! veri setini kullanan, Öz-Denetimli yapıya sahip, Evrişimli Sinir Ağları (CNN) ve Metinsel Evrişimli Ağları (TCN) birleşim ile kullanan, en güncel ve en başarılı metot incelenmiştir. Söz konusu Öz-Denetimli çizim tanıma performansını artırmak için ilave özelliklerin veriye eklenmesi ve farklı birleşim metotlarının kullanılmasına yönelik çalışmalar yapılmıştır. Tüm çalışma esnasında, etiketlenmiş örneklerin elde edilmesi zorluğuna karşı kullanmak ve eğitim süreçlerini hızlandırmak için tasarlanmış ön görevlerden (pretext) yararlanılmıştır. Tezde sırası ile; (1) çizimlerinin gerçekleştirilmesi ile ortaya çıkan resim ve vuruş verilerine, tanıma performansını arttırmak için "noktalar arası mesafe" ile "noktalar arası açı" özelliklerinin ilave edilmesi; (2) gürültünün azaltılmasına yönelik olarak çizimlerin Bézier eğrileri ile ifade edilmesi, ve (3) var olan doğrusal ağırlıklı birleşim yerine dışbükey ve içbükey fonksiyonlar ile ağırlıklandırma önerilmiştir. Önerilen uygulamalar, öncelikle Quick, Draw! veri setinin 414 bin örneğe sahip küçük bir alt setinde ön çalışma halinde gerçekleştirilmiş, sonuçlar ve çıkarımları verilmiştir. Sonrasında, bahsi geçen öneriler 3.8 milyonluk daha geniş bir sete yansıtılmıştır. Karşılaştırmalı analizlerde, mesafe özelliklerinin eklenmesinin ve çizgilerin Bézier eğrilerine dönüştürülmesinin belirli sınıflar için tahminleri ciddi seviyelerde iyileştirdiği gözlemlenmiştir. Önerilen füzyon stratejilerinde ise içbükey fonksiyonların çizim tanıma performansını iyileştirmesi yönünde çalışılabilecek bir alan olabileceği görülmüştür.