An Evaluation of VGG16 Binary Classifier Deep Neural Network for Noise and Blur Corrupted Images

Devrim AKGÜN

doi:https://doi.org/10.35377/saucis.03.03.725647

Makale detayları

An Evaluation of VGG16 Binary Classifier Deep Neural Network for Noise and Blur Corrupted Images

Yazarlar:

Devrim AKGÜN

Ana Başlıklar:

Özel bilgisayar yöntemleri

Dergi:

Sakarya University Journal of Computer and Information Sciences 2020 Vol.3 Issue 3, pp.264-271

Belge Tipi:

Makale

Yayın Tarihi:

12/2020

Belge Dili:

İngilizce

Document ID (Org No.):

2000551998

DOI:

https://doi.org/10.35377/saucis.03.03.725647

Özet:

 

Deep learning networks has become an important tool for image classification applications. Distortions on images may cause the performance of a classifier to decrease significantly. In the present paper, a comparative investigation for binary classification performance of VGG16 network under corrupted inputs has been presented. For this purpose, images corrupted at various levels and fixed levels with Gaussian noise, Salt and Pepper noise and blur effect were used for testing. Convolutional layers of the VGG16 were frozen except the last three convolutional layers and a dense layer for binary classification was added. According to experimental results, as the effect of distortion is increased, performance of the deep learning classifier drops significantly. In the case of augmented training with distortion effects, the results were improved significantly.

 

Derin öğrenme ağları, görüntü sınıflandırma uygulamaları için önemli bir araç haline gelmiştir. Görüntülerdeki bozulmalar, sınıflandırıcının performansının önemli ölçüde düşmesine neden olabilir. Bu makalede, bozuk girişler altında VGG16 ağının ikili sınıflandırma performansı için karşılaştırmalı bir araştırma sunulmuştur. Bu amaçla, çeşitli seviyelerde bozulmuş görüntüler ve Gauss gürültüsü, Tuz ve Biber gürültüsü ve bulanıklık efekti ile sabit seviyelerde görüntüler test için kullanılmıştır. VGG16'nın evrişimli katmanları, son üç evrişimli katman ve sınıflandırma için yoğun bir katman hariç dondurulmuştur. Deneysel sonuçlara göre, bozulmanın etkisi arttıkça, derin öğrenme sınıflandırıcısının performansı önemli ölçüde düşmektedir. Bozulma etkilerini içeren artırılmış eğitim durumunda, sonuçlar önemli ölçüde iyileştirilmiştir.

Makale detayları

An Evaluation of VGG16 Binary Classifier Deep Neural Network for Noise and Blur Corrupted Images

Yazarlar: Devrim AKGÜN

Ana Başlıklar: Özel bilgisayar yöntemleri

Dergi: Sakarya University Journal of Computer and Information Sciences 2020 Vol.3 Issue 3, pp.264-271

Belge Tipi: Makale

Yayın Tarihi: 12/2020

Belge Dili: İngilizce

Document ID (Org No.): 2000551998

DOI: https://doi.org/10.35377/saucis.03.03.725647

Sayı

Yazarlar:

Devrim AKGÜN

Ana Başlıklar:

Özel bilgisayar yöntemleri

Dergi:

Sakarya University Journal of Computer and Information Sciences 2020 Vol.3 Issue 3, pp.264-271

Belge Tipi:

Makale

Yayın Tarihi:

12/2020

Belge Dili:

İngilizce

Document ID (Org No.):

2000551998

DOI:

https://doi.org/10.35377/saucis.03.03.725647