Görüntü işleme süreç ve sonuçları açısından google ve yerel makine öğrenmelerinin kıyaslanması

Abstract

Düşünen ve düşündükten sonra yorum, çıkarım ve kestirimde bulunan insanoğlunun doğal zekasını ve onun biyolojik yapısındaki sinir ağlarını taklit ederek oluşturulan yapay zeka, günümüzde çok yaygın hale gelmiştir. 2019 yılına ait verilere göre yüzde 44 artışla 35,8 milyar dolara ulaşan yapay zeka harcamaları, birçok teknoloji devi ve büyüklü-küçüklü birçok şirketin ilgi sahasındadır. Yapay zekanın en önemli çalışma alanlarından biri de yapay sinir ağları(YSA)dır. Yapay sinir ağları modelleriyle yapılan yapay zeka uygulamaları, bir kısım teknoloji devi tarafından ücretsiz olarak sunulsa da şirketlerin gizlilik, ticari sır ve güvenlik gibi endişelerine tam cevap olamamaktadır. Böyle bir ortamda yerel makinelerle şirketlerin yollarına devam etmesi gerekmektedir. Yerel makinelerle öğrenmelerin sağlanması şirketler için zaman, maliyet, güvenirlik gibi kavramları düşünmeye zorlamaktadır. Bu çalışmada, şirketlere yol göstermesi için yerel makine ve Google Firebase makine öğrenmesi SSD algoritması üzerinden karşılaştırılmıştır. Deneyler robots.ox.ac.uk tarafından sağlanan çiçek veri kümesi kullanılarak gerçekleştirilmiştir. Veri seti 8 çiçek türü (ayçiçeği, çan çiçeği, çiğdem, iris çiçeği, karahindiba, kardelen, papatya ve rüzgar gülü) içermektedir. Bu çalışmada, kamuya açık Google Firebase ve yerel makine öğrenme kıyaslaması yapılarak kendi yerel makineleriyle yapay zeka uygulama yarışına katılmak isteyen şirketler için projeksiyon hedeflenmiştir.

Artificial intelligence, which is created by imitating the natural intelligence of human beings who think and interpret, infer and predict, and neural networks in its biological structure, has become very common today. Artificial intelligence spending, which reached 44.8 billion dollars with an increase of 44 percent according to the data of 2019, is in the interest of many technology giants and many big and small companies. One of the most important fields of study of artificial intelligence is artificial neural networks (ANN). Although artificial intelligence applications made with artificial neural network models are offered free of charge by some technology giants, they cannot fully respond to companies' concerns such as privacy, trade secret and security. In such an environment, companies need to move on with local machines. Providing learning with local machines forces companies to consider concepts such as time, cost, and reliability. In this study, local machine and Google Firebase machine learning were compared using SSD algorithm to guide companies. Experiments were carried out using the flower data set provided by robots.ox.ac.uk. The data set includes 8 flower types (sunflower, bellflower, crocus, iris flower, dandelion, snowdrop, daisy, and wind rose). In this study, projection was aimed for companies that want to participate in the artificial intelligence application race with their local machines by comparing public Google Firebase and local machine learning.