Gömülü sistem üzerinde evrişimsel sinir ağları ile nesne sınıflandırması /
Çalık, Rasim Caner
Gömülü sistem üzerinde evrişimsel sinir ağları ile nesne sınıflandırması / Rasim Caner Çalık. - xi, 64 pages ; 29 cm
Tez (Yüksek Lisans)--TOBB ETÜ Fen Bilimleri Enstitüsü Temmuz 2018
Derin sinir a˘gları görüntü sınıflandırma üzerinde ba¸sarılı bir ¸sekilde uygulanmaktadır.
Görüntüde tespit edilen nesnelerin ne oldu˘gunu anlanması büyük bir ilgi
görmektedir. Derin sinir a˘glarının gömülü sistemler üzerinde kullanılması oldukça
fazla hafıza ve güçlü i¸slemci teknolojileri gerektirmektedir. Bu tezin amacı gömülü
bir sistem üzerinde görüntü sınıflandırma i¸sleminin ne kadar ba¸sarılı bir ¸sekilde
yapıldı˘gını gözlemlemektir. Bu çalı¸smada sadece 3 GB hafıza kullanarak geli¸stirilen
mimari ile %85.9 oranında do˘gruluk elde edilmi¸stir. Önerilen mimari 4 saat
içerisinde e˘gitilerek, 0.7 ms içersinde sınıflandırma sonucunu üretmektedir. Deep Neural Network is successfully applied for image classification problems.
The understanding of what object is detected in the image is great interested. The
prupose of this article is that image classification problem and tracking classified
object could be applied in real time systems. The aim of this thesis is image
classification process is observing how successful in an embedded system. In this
work, proposed architecture has only 3 GB memory with accuracy %85.9. It trains
in 4 hour,and outputs the classification result in 0.7 ms.
Tezler, Akademik
Evrişimsel sinir ağları Derin sinir ağları Makine öğrenme Görüntü sınıflandırma Convolutional neural network Deep neural network Machine learning Image classification
Gömülü sistem üzerinde evrişimsel sinir ağları ile nesne sınıflandırması / Rasim Caner Çalık. - xi, 64 pages ; 29 cm
Tez (Yüksek Lisans)--TOBB ETÜ Fen Bilimleri Enstitüsü Temmuz 2018
Derin sinir a˘gları görüntü sınıflandırma üzerinde ba¸sarılı bir ¸sekilde uygulanmaktadır.
Görüntüde tespit edilen nesnelerin ne oldu˘gunu anlanması büyük bir ilgi
görmektedir. Derin sinir a˘glarının gömülü sistemler üzerinde kullanılması oldukça
fazla hafıza ve güçlü i¸slemci teknolojileri gerektirmektedir. Bu tezin amacı gömülü
bir sistem üzerinde görüntü sınıflandırma i¸sleminin ne kadar ba¸sarılı bir ¸sekilde
yapıldı˘gını gözlemlemektir. Bu çalı¸smada sadece 3 GB hafıza kullanarak geli¸stirilen
mimari ile %85.9 oranında do˘gruluk elde edilmi¸stir. Önerilen mimari 4 saat
içerisinde e˘gitilerek, 0.7 ms içersinde sınıflandırma sonucunu üretmektedir. Deep Neural Network is successfully applied for image classification problems.
The understanding of what object is detected in the image is great interested. The
prupose of this article is that image classification problem and tracking classified
object could be applied in real time systems. The aim of this thesis is image
classification process is observing how successful in an embedded system. In this
work, proposed architecture has only 3 GB memory with accuracy %85.9. It trains
in 4 hour,and outputs the classification result in 0.7 ms.
Tezler, Akademik
Evrişimsel sinir ağları Derin sinir ağları Makine öğrenme Görüntü sınıflandırma Convolutional neural network Deep neural network Machine learning Image classification
