Using Deep Learning Techniques Furniture İmage Classification

Abstract

Bu makale, mobilya görüntülerinin sınıflandırılması konusunda yapay zeka tekniklerinin kullanılmasını ele almaktadır. Mobilya sektöründe birçok farklı tasarım ve tarz arasından seçim yapmanın zorluğu, tüketiciler ve satıcılar için bir sorun oluşturmaktadır. Makine öğrenimi algoritmaları ve sinir ağları, mobilya görüntülerini otomatik olarak sınıflandırma sürecinde kullanılmaktadır. Makalenin amacı, mobilya görüntülerinin sınıflandırılmasıyla tüketicilerin ve mobilya endüstrisi profesyonellerinin karşılaştığı sorunları çözmektir. Makalede, mobilya görüntülerinin sınıflandırılması için beş farklı evrişimli sinir ağı mimarisi kullanılmıştır: Alexnet, VGGNet-19, DenseNet-201, Squeezenet1.1 ve ResNet-152. Bu mimarilerin kullanımıyla %98.87 sınıflandırma başarısı elde edilmiştir. Beş farklı mobilya kategorisi (yatak, sandalye, kanepe, döner koltuk ve masa) sınıflandırılmış ve ResNet-152 mimarisiyle %99.96 ROC (Receiver Operating Characteristic) değeri elde edilmiştir. Ayrıca, transfer öğrenme yaklaşımının kullanılmasıyla daha hızlı ve doğru sonuçlar elde edildiği belirtilmiştir. VGG-19 ve SqueezeNet1.1 mimarileri %97.07 ortalama sınıflandırma doğruluğu sağlarken, en düşük doğruluğu Alexnet modeli (%94.15) gerçekleştirmiştir. Derin öğrenme algoritmalarının kullanılmasıyla görüntülerin özellikleri çıkarılmakta ve sınıflandırılmaktadır. Bu çalışma, teknolojinin daha akıllı ve kullanıcı odaklı bir alışveriş deneyimi sunma potansiyeline sahip olduğunu göstermektedir. Aynı zamanda, mobilya üretim ve satışında verimliliği artırarak rekabet avantajı sağlayabilecek bir mobilya sınıflandırma yöntemi sunmaktadır. Çalışmada elde edilen sonuçlar, mobilya görüntülerinin analizi ve sınıflandırılmasında CNN mimarilerinin etkili olduğu göstermiştir.