Barkodsuz Ürünlerin tanınmasında Derin Öğrenmeye Dayalı Yaklaşımların Uygulanması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Elektrik-Elektronik Fakültesi, Bilgisayar Mühendisliği, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: Furkan Atban
Danışman: Hamza Osman Ilhan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Derin öğrenme ağları günümüzde farklı disiplinlerde uygulanan ileri düzey makine öğrenimi yaklaşımları olarak tanımlanabilir. Görüntülerin analizinde, derin öğrenme ağlarıyla sektörel çözümler için çalışmalar yapılmıştır. Farklı teknolojik yaklaşımlara sahip sistemler geliştirilmiş ve pratik alanda uygulanmaya başlanmıştır. Mevcut çalışmalar ürünler bazında incelendiğinde nesne sınıflarının sınırlı olduğu çalışmalardır. Çalışmaların kapsamı, tek ürün çeşidi bazında ilgili ürünün kendi içerisinde kalite, büyüklük gibi nitel ve nicel sınıf çıktıları üzerinden sınıflandırılması açısından kısıtlıdır. Tez çalışmasında, çalışmaya özel olarak hazırlanmış, kuruyemiş, bakliyat ve şekerleme ürünlerine ait alt başlıkları içeren 30 sınıftan oluşan MAKBUL veri kümesi üzerinde çoklu model içeren kollektif öğrenme kapsamında gerçekleştirilen hibrit bir sınıflandırma yaklaşımı önerilmiştir. Bu kapsamda ilk olarak, literatürde tanımlanan farklı derin öğrenme ağlarının, perakende sektöründe önemli bir aşama olan kasada barkodsuz ürün tanıma ve ürünün otonom ücretlendirilmesi aşamasında kullanımı için sınıflandırma performansları değerlendirilmiştir. Sunulan çalışmada, farklı derin öğrenme ağlarının sınıflandırma sonuçlarına ek olarak, bu mimariler sadece özellik çıkarımı amacı ile de uygulanmıştır. Bu aşamada, çıkarılan tüm öznitelikler, önerilen özellik seviyesinde füzyon yaklaşımıyla birleştirilerek yeni öznitelik matrisi ortaya çıkarılmıştır. Bu yaklaşımın uygulanabilirliği Çalışma 1 başlığı altında gösterilmiştir. Önceden eğitilen her bir ağ mimarisinden elde edilen özel bireysel öznitelikler ve bireysel özniteliklerin birleşimi olarak belirtilen öznitelik füzyon matrisi, destek vektör makineleri kullanılarak tekrar sınıflandırılmış ve performans çıktıları elde edilmiştir. Çalışma 2 kapsamında, derin öğrenme ağ mimarilerin, farklı hiper parametre seçimleriyle oluşturulan deney sonuçlarına bakıldığında en iyi performansın DenseNet201 ile %96'lık doğruluk değeri olarak ölçüldüğü görülmüştür. Çalışmada kullanılan her bir ağdan çıkarılan özel bireysel özniteliklerin, ayrı şekilde SVM sınıflandırıcısını beslemesi sonucunda, en yüksek doğruluk değerinin %96,07 olarak EfficientNetB3 ile elde edildiği görülmüştür. Özellik düzeyinde füzyon yaklaşımıyla elde edilen SVM sınıflandırma sonuçları, önerilen yaklaşımın başarıyı %96,56'lik doğruluk değerine çıkardığını göstermiştir. Elde edilen sonuçlar, perakende sektöründeki barkod içermeyen ve poşete doldurma usulü ile satışı yapılan ürünlerin sınıflandırılarak, ödeme süreçlerini otonom hale getirecek sistemin günlük hayatta kullanılabilirliğini göstermektedir.