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