Merhaba Misafir

Yaya özellik tanıma için LM filtre temelli derin Evrişimsel Sinir Ağı

PDF

Günümüzde Evrişimsel Sinir Ağı (ESA) mimarileri güvenlik, endüstri ve büyük veri gibi birçok farklı alanda aktif olarak kullanılmaktadır. Bu mimarilerdeki evrişim katmanları, bir sınıflandırma veya tanımlama problemi için istenilen sonuçları verebilecek en iyi öznitelikleri otomatik olarak çıkartabilmektedir. Bu çalışmada, hem geleneksel hem de derin öznitelikleri hesaplamak için yeni bir Hibrit Evrişimsel Sinir Ağı (HESA) mimarisi önerilmiştir. Bu ağ mimarisinin temel amacı, LM filtrelerinden elde edilen geleneksel öznitelikler ile ESA mimarisinden elde edilen derin öznitelikleri birleştirerek güçlü bir öznitelik verisi oluşturmaktır. Önerilen modelde yaya görüntüsünden elde edilen LM filtre öznitelikleri ve derin öznitelikler eşzamanlı olarak hesaplanmaktadır. Daha sonra bu öznitelikler birleştirilir ve 1×256 farklı öznitelikten oluşan bir öznitelik vektörü oluşturulur. Bu öznitelik vektörü tam bağlı katmanlar yardımı ile sınıflandırma işlemine alınır. Geliştirilen HESA mimarisi çok zor bir problem olan yaya özellik sınıflandırması için uygulanmıştır. Önerilen model PETA veri tabanında SVM ve MRF tabanlı yöntemlerden önemli ölçüde daha iyi performans göstermiştir. Ayrıca, ReduceLROnPlateau modelinin HESA yönteminde kullanılması yüksek başarıların elde edilmesine önemli bir katkı sağlamıştır.

Yayınlandığı Kaynak : Politeknik Dergisi
  • Yıl : 2020
  • DOI : 10.2339/politeknik.525600
  • Cilt : 23
  • ISSN : 1302-0900
  • Sayı : 3
  • Sayfa Aralığı : 605-613
  • IO Kayıt No : 113167
  • Yayıncı : Gazi Üniversitesi Teknoloji Fakültesi