Gömülü Derin Öğrenme ile Tehdit İçeren Nesnelerin Gerçek Zamanda Tespiti

Abstract

Derin öğrenme metotları bilgisayarlı görme ve görüntü işlemede özellikle de görüntü sınıflandırma probleminde önemli bir teknoloji haline gelmiştir. Bunun en önemli nedenlerinden biri farklı problemler üzerinde derin öğrenmenin göstermiş olduğu üstün başarıdır. İnternetin gelişimi ile çok büyük veri kümeleri toplanmakta ve yüksek güçlü grafik işlemci kartlar ile bu veriler gerçek zamanlı olarak işlenebilmektedir. Fakat her problemler için bu şekilde büyük ölçekli veri toplamak oldukça maliyetli bir işlemdir. Bu amaçla ön eğitilmiş derin öğrenme modelleri transfer öğrenme yöntemi ile daha düşük boyuttaki verileri sınıflandırmakiçin kullanılabilir. Bu çalışmada X-ray cihazlarından alınan görüntülerde tehdit unsuru içeren nesneleri sınıflandırmak için transfer öğrenme yöntemi ile gömülü ve gerçek zamanlı çalışabilen bir sistem geliştirilmiştir. Bu sistem Nvidia Jetson TX2 geliştirme kartı üzerinde bir evrişimsel sinir ağı olan Alexnet derin öğrenme modeli kullanmaktadır. Bu model ile X-ray bagaj güvenlik görüntüleri içerisindeki bıçak, silah, jilet ve Ninja yıldızı gibi tehdit unsuru içeren nesneler sınıflandırılmıştır. Oluşturulan deney ortamında Alexnet 12.000 görüntü ile eğitilmiş ve gerçek ortamda test edilmiştir. Önerilen yöntemin performansı aynıveri kümesi üzerinde daha önce yapılan farklı bilgisayarlı görme teknikleri ile karşılaştırılmış ve daha başarılı sonuçlar elde edilmiştir.