Gömülü sistem üzerinde evrişimsel sinir ağları ile nesne sınıflandırılması

Abstract

Derin sinir ağları görüntü sınıflandırma üzerinde başarılı bir şekilde uygulanmak-tadır. Görüntüde tespit edilen nesnelerin ne olduğunu anlanması büyük bir ilgigörmektedir. Derin sinir ağlarının gömülü sistemler üzerinde kullanılması oldukçafazla hafıza ve güçlü işlemci teknolojileri gerektirmektedir. Bu tezin amacı gömülübir sistem üzerinde görüntü sınıflandırma işleminin ne kadar başarılı bir şekildeyapıldığını gözlemlemektir. Bu çalışmada sadece 3 GB hafıza kullanarak geliştiri-len mimari ile %85.9 oranında doğruluk elde edilmiştir. Önerilen mimari 4 saatiçerisinde 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. Theprupose of this article is that image classification problem and tracking classifiedobject could be applied in real time systems. The aim of this thesis is imageclassification process is observing how successful in an embedded system. In thiswork, proposed architecture has only 3 GB memory with accuracy %85.9. It trainsin 4 hour,and outputs the classification result in 0.7 ms.