Dergiler / Journal of Smart Systems Research / 2022 / Cilt: 3 - Sayı: 2

Nesne Tespiti İçin Derin Öğrenme Kütüphanelerinin İncelenmesi

A Review of Deep Learning Libraries for Object Detection

Sayfa
97–119
Yayın Tarihi
2022-12-26
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışmanın özellikle derin öğrenme araçlarına aşina olmayan ancak çalışmalarında derin öğrenme araçlarını kullanmak isteyen araştırmacı ve okuyucular için bir kılavuz olmasını arzu ediyoruz.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Yapay zekâ kavramı 1900’lü yılların ikinci çeyreğinden itibaren hayatımıza girmeye başlamıştır.
📊
Temel Bulgular & Veri:Bugüne kadar ki süreçte bazen çok popüler olmuş, bazen de unutulmaya yüz tutmuştur. 2000’li yıllarda bilgisayar donanımlarının gelişmesi ve yapay sinir ağlarındaki gelişmeler Yapay zekâ araçlarının tekrardan yoğun kullanılmasına sebep olmuştur.
💡
Sonuç & Katkı:Bu çalışmanın özellikle derin öğrenme araçlarına aşina olmayan ancak çalışmalarında derin öğrenme araçlarını kullanmak isteyen araştırmacı ve okuyucular için bir kılavuz olmasını arzu ediyoruz.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:2000 Verileri
⚙️Değişkenler:Makine öğrenmesi · yapay sinir ağları · derin öğrenme kütüphaneleri

Özet

Yapay zekâ kavramı 1900’lü yılların ikinci çeyreğinden itibaren hayatımıza girmeye başlamıştır. Bugüne kadar ki süreçte bazen çok popüler olmuş, bazen de unutulmaya yüz tutmuştur. 2000’li yıllarda bilgisayar donanımlarının gelişmesi ve yapay sinir ağlarındaki gelişmeler Yapay zekâ araçlarının tekrardan yoğun kullanılmasına sebep olmuştur. Derin öğrenme çalışmaları yapay zekâ çalışmalarının lokomotifi konumundadır. Derin öğrenme sadece bilgisayar biliminde ve nesne algılama görevinde değil, birçok disiplinde ve birçok görevde kullanılmaktadır. Derin öğrenme çalışmaları için farklı mimariler, farklı donanımlar, farklı yazılım çerçeveleri geliştirilmiştir. Derin öğrenme araçlarının ve mimarilerinin bu kadar fazla olması özellikle problemlerinin çözümü için derin öğrenme araçlarını kullanmak isteyen araştırmacıların kafasını karıştırabilmekte veya işini zorlaştırabilmektedir. Bu çalışmada derin öğrenme kavramı hakkında bir anlayış oluşturmayı hedefliyoruz. Derin öğrenme kavramını ve onu oluşturan alt bileşenleri sistematik olarak sunuyoruz. Akabinde günümüzde yaygın olarak kullanılan ana akım derin öğrenme çerçevelerini sunuyoruz. Bu çerçevelerin performans, zaman, doğruluk, Google da aranma, GitHub’da takip edilme gibi farklı ölçütlere göre incelendiği araştırmalardan bir derleme hazırlanmıştır. Bu çalışmanın özellikle derin öğrenme araçlarına aşina olmayan ancak çalışmalarında derin öğrenme araçlarını kullanmak isteyen araştırmacı ve okuyucular için bir kılavuz olmasını arzu ediyoruz.

Abstract

The idea of artificial intelligence has been in our lives since the second quarter of the 20th century. Up to now, it has enjoyed great popularity in some cases, and in others it has been forgotten. In the 2000s, the development of computer hardware and developments in artificial neural networks led to an extensive use of artificial intelligence algorithms. Deep learning studies are the pioneers of artificial intelligence studies. Deep learning is not only used in computer science and object detection, but also in many disciplines and many tasks. Different architectures, hardware and software frameworks have been developed for deep learning studies. The fact that there are so many deep learning tools and architectures can confuse the work of researchers who want to use deep learning tools to solve their problems. In this study we want to create an understanding of the concept of deep learning. We present the concept of deep learning and its subcomponents systematically. We then introduce the common deep learning frameworks that are widely used recently. A review was created from the studies in which these frameworks were examined according to different criteria such as performance, time, accuracy, searched on Google, followed by GitHub. In this study, we would like to be a guide for researchers and readers who are unfamiliar with deep learning algorithms but want to use deep learning tools in their studies.

🔖

Bu Makaleye Atıf Yap

AKTÜRK, S., SERBEST, K. (2022). Nesne Tespiti İçin Derin Öğrenme Kütüphanelerinin İncelenmesi. Journal of Smart Systems Research, Cilt: 3 - Sayı: 2, 97–119. https://ajindex.com/articles/873647

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (14)

  1. E. Şimşek, Ö. Barış, and G. tümüklü Özyer, “Foto-kapan Görüntülerinde Hareketli Nesne Tespiti,” Erzincan Üniversitesi Fen Bilim. Enstitüsü Derg., vol. 12, no. 2, pp. 902–919, Aug. 2019, doi: 10.18185/erzifbed.509571
  2. E. Kiliç, S. Öztürk, E. Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği, A. Kelimeler Evrişimli Sinir Ağları, A. Sayımı, and H. Görüntüleme, “İnsansız Hava Aracı Görüntülerinde Evrişimli Sinir Ağı Kullanarak Araç Sayımı için Yeni Bir Haritalama Yöntemi.
  3. Ö. Er and H. Ş. Bilge, “Bir Küçük Nesne Tespit Zorluğu Olarak Hava Görüntülerinden Araç Tespiti Vehicle Detection From Aerial Imagery As A Small Object Detection Difficulty VERİ BİLİMİ DERGİSİ www.dergipark.gov.tr/veri,” Jan. 2021. Accessed: Mar. 29, 2021. [Online]. Available: www.dergipark.gov.tr/veri
  4. X. Wu, D. Sahoo, and S. C. H. Hoi, “Recent advances in deep learning for object detection,” Neurocomputing, vol. 396, pp. 39–64, 2020, doi: 10.1016/j.neucom.2020.01.085
  5. A. Şeker, B. Diri, and H. H. Balık, “Derin Öğrenme Yöntemleri Ve Uygulamaları Hakkında Bir İnceleme,” Gazi Mühendislik Bilim. Derg., vol. 3, no. 3, pp. 47–64, Dec. 2017, Accessed: May 18, 2021. [Online]. Available:
  6. F. Chollet, Deep Learning with Phyton. 2018
  7. F. DOĞAN and İ. TÜRKOĞLU, “Derin Öğrenme Modelleri ve Uygulama Alanlarına İlişkin Bir Derleme,” DÜMF Mühendislik Derg., vol. 10, no. 2, pp. 409–445, Jun. 2019, doi: 10.24012/dumf.411130
  8. V. V Nabiyev, “Yapay Zeka (6. baskı),” Ankara: Seçkin Yayıncılık, 2021
  9. Prof.Dr. Çetin Elmas, Yapay Zeka Uygulamaları, 4th ed. Ankara: Seçkin Yayıncılık, 2018
  10. S. Murat, B. Mühendisliği, A. Dalı, and Y. Lisans, “İNSANSIZ HAVA ARACI GÖRÜNTÜLERİNDEN DERİN ÖĞRENME YÖNTEMLERİYLE NESNE TANIMA YÜKSEK LİSANS TEZİ,” Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsü, 2021. Accessed: May 02, 2021. [Online]. Available:
  11. N. Gürsakal, “Makine Öğrenmesi,” Baskı, Bursa Dora Basım Yayın Dağıtım Ltd. Şti, 2018
  12. E. Öztemel, “Yapay sinir ağlari,” PapatyaYayincilik, Istanbul, 2003
  13. Y. Lecun, Y. Bengio, and G. Hinton, “Deep learning,” Nature, vol. 521, no. 7553. Nature Publishing Group, pp. 436–444, May 27, 2015, doi: 10.1038/nature14539
  14. R. Elshawi, A. Wahab, A. Barnawi, and S. Sakr, “DLBench: a comprehensive experimental evaluation of deep learning frameworks,” Clust. Comput. J. Networks, Softw. Tools Appl., p. 1, 2021, doi: 10.10