KAPSÜL AĞLAR İLE YÜZ VERİLERİNİN SINIFLANDIRILMASI

Abstract

Yüz verilerini sınıflandırma işlemi, üzerinde çok sayıda çalışma yapılan derin öğrenme konularından birisidir. Bu konuda evrişimli sinir ağları, kolay uygulanabilir olmaları ve başarılı sonuçlar vermeleri nedenlerinden ötürü tercih edilen derin öğrenme uygulamalarının başında gelmektedir. Buna karşın evrişimli sinir ağlarında bulunan havuzlama katmanı verilerde bilgi kaybına neden olmaktadır. Ayrıca evrişimli sinir ağları, verideki bileşenlerin birbirine göre durumlarını göz ardı ederek eğitim işlemini gerçekleştirmektedir. Bu duruma çözüm olarak kapsül ağları önerilen derin öğrenme yöntemlerindendir. Bu tez çalışmasında üç farklı çalışma yapılarak sonuçlar başarım ve verimlilik açısından incelenmiştir.

The process of classifying face data is one of the deep learning topics that has been studied extensively. In this regard, convolutional neural networks are among the most preferred deep learning applications because they are easy to implement and give successful results. On the other hand, the pooling layer in convolutional neural networks causes information loss in the data. In addition, convolutional neural networks perform the training process by ignoring the relative states of the components in the data. As a solution to this situation, capsule networks are one of the recommended deep learning methods. In this thesis study, three different studies were conducted and the results were examined in terms of performance and efficiency.