Kültürel miras görüntülerinin derin öğrenme yöntemleri ile sınıflandırılması

Abstract

Kültürel miras; bir toplumun veya ulusun ortak geçmişlerini gelenek ve göreneklerini oluşturan aynı zamanda geleceğin de doğru kurulmasına yardım eden tarih ve kültürle ilgili soyut ve somut değerlerdir. Geçmiş ve gelecek arasında bağlantı kurduğundan değer verilmesi, saklanması ve korunması gerekmektedir.Kültürel miras görüntülerinin sınıflandırılması dijital belgeleme için gereklidir. Çok sayıda görüntü işleneceği için bunların sınıflandırılması sıkıcıdır, hatalara açıktır ve çok fazla zaman alır. Bu sıralama görevlerini kolaylaştıracak otomatik tekniklerin olması, dijital dokümantasyon sürecinin önemli bir bölümünü iyileştirecektir. Ek olarak, mevcut görüntülerin doğru bir şekilde sınıflandırılması, söz konusu miras varlığını inceleme ve yorumlama, daha iyi yönetme ve belirli terimler aracılığıyla daha verimli aramalara kolaylık sağlar.Literatüre bakıldığında daha çok uluslararası alanda ilgili çalışmalar yapıldığı görülmektedir. Bu çalışmada kültürel miras görüntülerinin doğru bir şekilde sınıflandırılması amacıyla derin öğrenme yöntemleri (AlexNet, GoogleNet, ResNet ve SqueezeNet) kullanılmıştır. Görüntü veri kümeleri ile önce eğitimleri tamamlanmış daha sonra performans testleri gerçekleştirilmiştir. Sonuçlara bakıldığında hem eğitim hem de test süreçlerinde sistemin büyük oranda başarılı olduğu görülmüştür. İleride literatüre yeni ve faydalı çalışmalar eklenmesine olanak sağlamaktadır.

Cultural heritage are intangible and tangible values related to history and culture that constitute the common pasts, traditions and customs of a society or nation, and also help to establish the future correctly. Because it connects the past and the future, it needs to be valued, preserved and protected.Classification of cultural heritage images is essential for digital documentation. Classifying them is tedious, error-prone, and takes too much time, as a large number of images will be processed. Having automated techniques to facilitate these sequencing tasks will improve a significant part of the digital documentation process. In addition, the correct classification of available images facilitates the examination and interpretation of the heritage asset in question, facilitating better management and more efficient searches through specific terms.Looking at the literature, it is seen that related studies are conducted in the international arena. In this study, deep learning methods (AlexNet, GoogleNet, ResNet and SqueezeNet) were used in order to correctly classify cultural heritage images. With the image datasets, first the training was completed and then the performance tests were carried out. Looking at the results, it was seen that the system was largely successful in both training and testing processes. It allows the addition of new and useful studies to the literature in the future.