💫
Derin Öğrenme
  • 💫Derin Öğrenme Notları
  • 🚀English Version
  • 🦋Projeye Katkıda Bulunma
  • 💼Kullanışlı Araçlar
  • 💎Yapay Sinir Ağları Kavramları
    • 🌱Giriş
    • 🔎Esas Problem
    • 👷‍♀️ Yapay Sinir Ağlarının Uygulanması Üzerine Notlar
    • 📚Yapay Sinir Ağlarının Kavramları
    • 💥Yapay Sinir Ağlarında Aktivasyon Fonksiyonları
    • 🎈NN Uygulama İp Uçları
    • 👩‍🔧 NN Düzenlileştirme (Regularization)
    • ✨Optimizasyon Algoritmaları
    • 🎨Softmax Regression
    • 🏃‍♀️ Tensorflow'a Hızlı Giriş
    • 👩‍💻 Yapay Sinir Ağlarıyla ilgili Pyhton Kod Parçaları
  • 🙋‍♀️ Yapay Sinir Ağları ile Derin Öğrenme'nin Hello World'u
    • 🌱Giriş
    • 🌐Tarayıcıda CNNler
  • 🚪Bilgisayar Görüşüne Giriş
    • 🌱Giriş
  • 🚩Evrişimli Sinir Ağları Kavramları
    • 🌱Giriş
    • 📌Evrişimli Sinir Ağları ile İlgili Genel Kavramlar
    • 🌟Evrişimli Sinir Ağları Gelişmiş Kavramları
    • 👀Evrişimli Sinir Ağlarının Görselleştirilmesi
    • 👵Klasik Evrişimli Sinir Ağları
    • ✨CNN'leri Kurmak İçin Diğer Yaklaşımlar
    • 🕸️CNN'lerin Popüler Uygulamaları
  • 👩‍💻 CNN'ler Üzerinde Kodlar ve Notlar
    • 🌱Giriş
  • 💄Derin Öğrenmenin Popüler Stratejileri
    • 🌱Giriş
    • 🚙Öğrenme Aktarması (Transfer Learning)
    • 📚Derin Öğrenmede Diğer Stratejiler
  • 🤡Resim Artırma (Image Augmentation)
    • 🌱Giriş
  • 🤸‍♀️ Uygulamalı Makine Öğrenmesi Üzerine Notlar
    • 🌱Giriş
    • 👩‍🔧 Makine Öğrenimi Projelerinin Yapılandırılması Üzerine Notlar
    • 👩‍🏫 Uygulama Talimatları
  • 🕵️‍♀️ Obje Algılama Temelleri
    • 🌱Giriş
    • ⭕Bölge Tabanlı (Region-Based) CNN'ler
    • 🤳SSD ve YOLO
    • 🤖TensorFlow Object Detection API
  • ➰Derin Öğrenmede Dizi Modelleri
    • 🌱Giriş
    • 📚Dizi Modellerinin Genel Kavramları
    • 🔄Tekrarlayan Sinir Ağları (RNN)
    • 🌌RNN'deki Vanishing Gradients
    • 🌚Kelime Gösterimi
    • 💬NLP Hakkında Karışık Bilgiler
  • 📕Proje Sözlüğü
  • 📚Faydalı PDF'ler
  • 👀Hızlı Görsel Bilgiler
Powered by GitBook
On this page
  • 📚 Önemli Terim
  • 🎀 Konvolüsyon Örneği
  • 👼 Hesaplamayı Görselleştirme
  • 🔎 Kenar Algılama
  • 🔎 Kenar Algılama Örnekleri
  • 🙄 Ya Diğer Sayılar?
  • ✨ Başka Bir Yaklaşım
  • 🤸‍♀️ Hesaplamalı Detaylar
  • 😐 Olumsuz Yanları
  • 💡 Çözüm
  • 🌞 Yazının Aslı
  • 🧐 Referanslar

Was this helpful?

Export as PDF
  1. Evrişimli Sinir Ağları Kavramları

Evrişimli Sinir Ağları ile İlgili Genel Kavramlar

PreviousGirişNextEvrişimli Sinir Ağları Gelişmiş Kavramları

Last updated 4 years ago

Was this helpful?

📚 Önemli Terim

Terim

Açıklama

Konvülosyon(Convolution)

Görüntüye bir filtre uygulayarak görüntüdeki bazı özellikler vurgulanır.

🎀 Konvolüsyon Örneği

🤔 -7'yi nasıl bulduk?

element wise çarpma yaptık, sonra sonuç matrisinin toplamını hesapladık; yani:

3*1 + 1*0 + 1*(-1)
+
1*1 + 0*0 + 7*(-1)
+
2*1 + 3*0 + 5*(-1)
=
-7

Ve diğer elemanlar için bu şekilde devam eder 🙃

👼 Hesaplamayı Görselleştirme

🔎 Kenar Algılama

Konvolüsyon işleminin bir uygulaması

🔎 Kenar Algılama Örnekleri

Sonuç: yatay çizgiler ortaya çıkıyor

Sonuç: dikey çizgiler ortaya çıkıyor

🙄 Ya Diğer Sayılar?

Filtrenin elemanlarına sayı koyabileceğimiz pek çok yol var.

Örneğin, Sobel filtresi bu şekildedir:

1   0   -1
2   0   -2
1   0   -1

Scharr filtresi de bu şekildedir:

3    0   -3
10   0   -10
3    0   -3

Prewitt filtresi:

-1   0   1
-1   0   1
-1   0   1

Yani buradaki kritik nokta orta satıra dikkat etmek.

Ve Roberts filtresi:

1    0
0   -1

✨ Başka Bir Yaklaşım

Bu sayıları ML yaklaşımı ile ayarlayabiliriz; Filtrenin bir ağırlık grubu olduğunu diyebiliriz, yani:

w1    w2   w3
w4    w5   w6
w7    w8   w9

Bu sayede, elle elde etmek yerine otomatik olarak yatay, dikey, açılı veya herhangi bir kenar tipini öğrenebiliriz.

🤸‍♀️ Hesaplamalı Detaylar

n*n'lik bir resmimiz varsa ve f*f'lik bir filtre uygulamak istersek, sonuç resmi n-f+1*n-f+1 boyutunda olacaktır

😐 Olumsuz Yanları

  1. 🌀 Çok fazla filtre uygularsak, görselimiz küçülür.

  2. 🤨 Köşelerdeki piksellere yeterince dokunulmadığından, görüntünün kenarlarından birçok bilgi göz ardı ediliyor

💡 Çözüm

🌞 Yazının Aslı

🧐 Referanslar

Resimlere işlemini uygulayabiliriz 💪

🚩
📌
Burada 🐾
More on Convolutional Neural Networks
Dolgulama