Yazar
Kınlı, Osman Furkan
Basım Tarihi
2019-08-19
Konu
Yapay zeka, Yapay sinir ağları, Dijital görüntü işleme, Görüntü alma, Kapsül ağları, Kıyafet görüntüsü alma
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Kayıt Numarası
a35f2694-a267-440b-a551-c2ff5d72b8d0
Lokasyon
Bilgisayar Bilimleri Bölümü
Tarih
2019-08-19
Örnek Metin
Bilgisayar Bilimlerindeki bazı büyük gelişmeler ve e-ticaretin ortaya çıkmasından sonra giyim görsellerine erişim daha önemli hale geldi. Son çalışmalar genellikle bu soruna Evrişimsel Sinir Ağlarını (CNN'ler) kullanarak saldırıyor. Popülaritelerine rağmen, CNN'ler doğası gereği görüntünün parçaları arasındaki hiyerarşik mekansal ilişkiyi kaybetme ve yeni dönüşümlere karşı dayanıklı olmama gibi bazı içsel sınırlamalara sahiptir. Son zamanlarda önerilen ağ mimarisi yani Kapsül Ağlar, görüntülerdeki parça-bütün ilişkisini ve poz bilgisini koruyarak bu sınırlamaları aşabilme özelliğine sahiptir. Bu tezde, dinamik yönlendirme ile yoğun şekilde birbirine bağlı Kapsül Ağlarının mağaza içi kıyafet alma performansını araştırıyoruz. Bunu başarmak için, iki farklı özellik çıkarma yöntemine sahip Üçlü Tabanlı Kapsül Ağı mimarisi tasarımları öneriyoruz: Yığılmış evrişimli (SCCapsNet) ve Artık Bağlantılı (RCCapsNet) Kapsül Ağları. Mağaza içi kıyafet alımına ilişkin önerdiğimiz tasarımların deneysel sonuçları, SCCapsNet'in K'de %32,1 İlk 1, %81,8 İlk 20 ve %90,0 İlk 50 geri çağırma puanlarına ulaştığını göstermektedir; RCCapsNet ise K'de %33,9 İlk 1, %84,6 İlk 20 ve %92,6 İlk 50 geri çağırma puanlarıyla daha da iyi bir performansa sahip. Bu rakamlar, her iki tasarımımızın da görsellerin dışında herhangi bir destekleyici bilgi kullanmadan temel çalışma ve daha önceki yaklaşımlardan açık ara daha iyi performans gösterdiğini göstermektedir. Üstelik, kıyafet alımına ilişkin SOTA mimarileriyle karşılaştırıldığında, önerdiğimiz Üçlü Kapsül Ağları, SOTA mimarilerinde kullanılan parametrelerin yalnızca yarısıyla karşılaştırılabilir geri çağırma oranlarına ulaşıyor. Gelecekte, nispeten yeni olan Kapsül Ağı araştırmalarındaki ilerlemeler nedeniyle tasarımlarımız ekstra performans artışı devralabilir. Kıyafet resmi erişimi Bilgisayar Bilimleri'ndeki bazı önemli gelişmelerden ve e-ticaret'in doğuşundan sonra daha da önemli hale geldi. Yakın dönemdeki kayıtsızlık bu sorunun çözümü için genel olarak Evrişimli Sinir Ağları (ESA) kullanıldı. Popülaritesine rağmen, ESA'lar, doğaları gereklilikleri, parçalar arası teknik konumsal bilgi kaybı ve afin dönüşümlerine dayanıklı olmama gibi bazı esnekliklere sahiptir. Yeni sunulan Kapsül Ağları mimarisi, resimlerdeki parça-bütün ilişkisi ve poz bilgilerini koruyarak bu sınırlamaları ortadan kaldırabilme özelliğine sahiptir. Bu tezde, dinamik yönlendirme geliştirmesi ile çalışan, yaygınlıkları yoğun bağlı Kapsül Ağları'nın vitrin kıyafet resimlerine erişim bilgilerini araştırdık. Buradan yola devam eder, iki farklı öznitelik çıkartma yöntemiyle tasarlanan Triplet-bazlı Kapsül Ağ mimarileri atandık: İstifli-evrişimsel (SCCapsNet) ve Artık-bağlı (RCCapsNet) Kapsül Ağları. Vitrin kıyafet resmi ulaşımına yönelik önerilen mimari tasarımlarımızın kapsamlı sonuçları, SCCapsNet'in %32.1 en-yüksek-1, %81.8 en-yüksek-20 ve %90.0 en-yüksek-50 geri çağırma-at-K skorlarına ulaşmasını gösterirken; RCCapsNet ise %33.9 en-yüksek-1, %84.6 en yüksek-20 ve %92.6 en-yüksek-50 geri çağırma-at-K skorlarıyla daha iyi bir performans ortaya çıkma durumlarıdır. Bu resimlere referans çalışmanın ve daha tamamlayıcıların performanslarıyla karşılaştırıldığında, resimlere ek olarak hiçbir ilave bilgi kullanılmadan her iki tasarımımız da önemli bir farkla daha önde bir performans sergilenmiştir. Ayrıca, önerdiğimiz Triplet Kapsül Ağları, modern mimarilerde kullanılan parametre aralıkları sadece geçinceye kadar parametre kullanarak, modern mimariler ile karşılaştırılabilir sonuçlar elde etmiştir. İlerleyen dönemlerde, tasarımlarımız, yeni Kapsül Ağları araştırmalarındaki gelişmelerden yola çıkarak ekstra performans artışı elde edebilirsiniz.
