Gömülü sistem üzerinde evrişimsel sinir ağları ile nesne sınıflandırması

Abstract

Derin sinir ağları görüntü sınıflandırma üzerinde başarılı bir şekilde uygulanmak- tadır. Görüntüde tespit edilen nesnelerin ne olduğunu anlanması büyük bir ilgi görmektedir. Derin sinir ağlarının gömülü sistemler üzerinde kullanılması oldukça fazla hafıza ve güçlü işlemci teknolojileri gerektirmektedir. Bu tezin amacı gömülü bir sistem üzerinde görüntü sınıflandırma işleminin ne kadar başarılı bir şekilde yapıldığını gözlemlemektir. Bu çalışmada sadece 3 GB hafıza kullanarak geliştiri- len mimari ile %85.9 oranında doğruluk elde edilmiştir. Önerilen mimari 4 saat içerisinde eğitilerek, 0.7 ms içersinde sınıflandırma sonucunu üretmektedir.

Deep Neural Network is successfully applied for image classification problems. The understanding of what object is detected in the image is great interested. The prupose of this article is that image classification problem and tracking classified object could be applied in real time systems. The aim of this thesis is image classification process is observing how successful in an embedded system. In this work, proposed architecture has only 3 GB memory with accuracy %85.9. It trains in 4 hour,and outputs the classification result in 0.7 ms.