Swin Tabanlı Dönüştürülmüş Görüntülerin Sınıflandırılması

Serdar Çiftçi

Makale detayları

Swin Tabanlı Dönüştürülmüş Görüntülerin Sınıflandırılması

Yazarlar:

Serdar Çiftçi

Yayıncı:

Harran University

Ana Başlıklar:

Bilgisayar Yazılımı

Dergi:

Harran Üniversitesi Mühendislik Dergisi Vol.8 Issue 2, pp.108-115

Belge Tipi:

Makale

Yayın Tarihi:

8/2023

Belge Dili:

Türkçe

Document ID (Org No.):

2001297625

pISSN:

2528-8733

Anahtar kelimeler:

Özet:

 Görüntü sınıflandırma bilgisayarlı görü alanındaki temel çalışmalardan biridir. Görüntü çözünürlüğü ve görüntünün netliği sınıflandırma performansını önemli ölçüde etkileyen faktörlerdendir. Bu çalışmada görüntülerin çözünürlüğünün ve netliğinin Swin tabanlı dönüştürücü olan Swin2SR algoritması kullanılarak artırılmasıyla görüntü sınıflandırma performansı incelenmiştir. Sınıflandırma için transfer öğrenme olarak ResNet18 modeli kullanılmıştır. CIFAR10 veri kümesi üzerinde 50 epok için yapılan deneyler sonucunda Swin2SR algoritmasının görüntülerin çözünürlüğünü ve netliğini artırarak sınıflandırma doğruluğunu 85ten 87ye çıkardığı gözlemlenmiştir.

 Görüntü sınıflandırma bilgisayarlı görü alanındaki temel çalışmalardan biridir. Görüntü çözünürlüğü ve görüntünün netliği sınıflandırma performansını önemli ölçüde etkileyen faktörlerdendir. Bu çalışmada görüntülerin çözünürlüğünün ve netliğinin Swin tabanlı dönüştürücü olan Swin2SR algoritması kullanılarak artırılmasıyla görüntü sınıflandırma performansı incelenmiştir. Sınıflandırma için transfer öğrenme olarak ResNet18 modeli kullanılmıştır. CIFAR10 veri kümesi üzerinde 50 epok için yapılan deneyler sonucunda Swin2SR algoritmasının görüntülerin çözünürlüğünü ve netliğini artırarak sınıflandırma doğruluğunu 85ten 87ye çıkardığı gözlemlenmiştir.

 Görüntü sınıflandırma bilgisayarlı görü alanındaki temel çalışmalardan biridir. Görüntü çözünürlüğü ve görüntünün netliği sınıflandırma performansını önemli ölçüde etkileyen faktörlerdendir. Bu çalışmada görüntülerin çözünürlüğünün ve netliğinin Swin tabanlı dönüştürücü olan Swin2SR algoritması kullanılarak artırılmasıyla görüntü sınıflandırma performansı incelenmiştir. Sınıflandırma için transfer öğrenme olarak ResNet18 modeli kullanılmıştır. CIFAR10 veri kümesi üzerinde 50 epok için yapılan deneyler sonucunda Swin2SR algoritmasının görüntülerin çözünürlüğünü ve netliğini artırarak sınıflandırma doğruluğunu 85ten 87ye çıkardığı gözlemlenmiştir.

 Görüntü sınıflandırma bilgisayarlı görü alanındaki temel çalışmalardan biridir. Görüntü çözünürlüğü ve görüntünün netliği sınıflandırma performansını önemli ölçüde etkileyen faktörlerdendir. Bu çalışmada görüntülerin çözünürlüğünün ve netliğinin Swin tabanlı dönüştürücü olan Swin2SR algoritması kullanılarak artırılmasıyla görüntü sınıflandırma performansı incelenmiştir. Sınıflandırma için transfer öğrenme olarak ResNet18 modeli kullanılmıştır. CIFAR10 veri kümesi üzerinde 50 epok için yapılan deneyler sonucunda Swin2SR algoritmasının görüntülerin çözünürlüğünü ve netliğini artırarak sınıflandırma doğruluğunu 85ten 87ye çıkardığı gözlemlenmiştir.

Makale detayları

Swin Tabanlı Dönüştürülmüş Görüntülerin Sınıflandırılması

Yazarlar:

Serdar Çiftçi

Yayıncı:

Harran University

Ana Başlıklar:

Bilgisayar Yazılımı

Dergi:

Harran Üniversitesi Mühendislik Dergisi Vol.8 Issue 2, pp.108-115

Belge Tipi:

Makale

Yayın Tarihi:

8/2023

Belge Dili:

Türkçe

Document ID (Org No.):

2001297625

pISSN:

2528-8733

Görüntü Sınıflandırma

Swin2SR Dönüştürme

Transfer Öğrenme

Sayı

Makale detayları

Swin Tabanlı Dönüştürülmüş Görüntülerin Sınıflandırılması

Yazarlar: Serdar Çiftçi

Yayıncı: Harran University

Ana Başlıklar: Bilgisayar Yazılımı

Dergi: Harran Üniversitesi Mühendislik Dergisi Vol.8 Issue 2, pp.108-115

Belge Tipi: Makale

Yayın Tarihi: 8/2023

Belge Dili: Türkçe

Document ID (Org No.): 2001297625

pISSN: 2528-8733

Görüntü Sınıflandırma

Swin2SR Dönüştürme

Transfer Öğrenme

Sayı

Yazarlar:

Serdar Çiftçi

Yayıncı:

Harran University

Ana Başlıklar:

Bilgisayar Yazılımı

Dergi:

Harran Üniversitesi Mühendislik Dergisi Vol.8 Issue 2, pp.108-115

Belge Tipi:

Makale

Yayın Tarihi:

8/2023

Belge Dili:

Türkçe

Document ID (Org No.):

2001297625

pISSN:

2528-8733