{"id":1121,"date":"2023-04-08T16:12:35","date_gmt":"2023-04-08T13:12:35","guid":{"rendered":"https:\/\/legendhomework.com\/tr\/?p=1121"},"modified":"2023-04-08T16:12:35","modified_gmt":"2023-04-08T13:12:35","slug":"ayristirma-agi-multimedya-bolumu-multimedya-bolumu-odevleri-multimedya-bolumu-tez-yaptirma-multimedya-bolumu-odev-ucretleri","status":"publish","type":"post","link":"https:\/\/legendhomework.com\/tr\/ayristirma-agi-multimedya-bolumu-multimedya-bolumu-odevleri-multimedya-bolumu-tez-yaptirma-multimedya-bolumu-odev-ucretleri\/","title":{"rendered":"Ayr\u0131\u015ft\u0131rma A\u011f\u0131 \u2013 Multimedya B\u00f6l\u00fcm\u00fc \u2013 Multimedya B\u00f6l\u00fcm\u00fc \u00d6devleri \u2013 Multimedya B\u00f6l\u00fcm\u00fc Tez Yapt\u0131rma \u2013Multimedya B\u00f6l\u00fcm\u00fc \u00d6dev \u00dccretleri"},"content":{"rendered":"

Ayr\u0131\u015ft\u0131rma A\u011f\u0131 Algoritmas\u0131<\/span><\/strong><\/h3>\n

Ayr\u0131\u015ft\u0131rma a\u011f\u0131 algoritmas\u0131, modelleri giri\u015f grafi\u011finin bir alt grafi\u011fine izomorfik, yani giri\u015f grafi\u011finin baz\u0131 b\u00f6l\u00fcmleriyle ayn\u0131 olan model grafikleri bulur. Bu, genellikle video veritaban\u0131na eri\u015fimde ilgi \u00e7ekici olan e\u015fbi\u00e7imlilik bi\u00e7imi de\u011fildir.<\/span><\/p>\n

G\u00f6r\u00fcnt\u00fc ve video veritaban\u0131 \u00e7al\u0131\u015fmalar\u0131nda kar\u015f\u0131la\u015f\u0131lan en yayg\u0131n sorgulama i\u015flemleri, benzerlik bulma ve girdiye izomorfik modellerin alt resimleridir. Kullan\u0131c\u0131 tipik olarak simgeleri \u00f6rnek bir \u00e7er\u00e7evede d\u00fczenleyerek resimli bir sorgu olu\u015fturacakt\u0131r; geri alma, giri\u015f resmine benzer bir modelde bir alt resim bulma g\u00f6revidir.<\/span><\/p>\n

Kesin ayr\u0131\u015ft\u0131rma algoritmas\u0131 bu g\u00f6revlerden herhangi biri i\u00e7in uygun olmasa da, bir resmi olu\u015fturan bile\u015fenleri bulmak i\u00e7in kullan\u0131labilir ve bir resim i\u00e7indeki bile\u015fik nesneleri tespit etmede faydal\u0131 olabilir.<\/span><\/p>\n

B\u00f6yle bir teknik, bir g\u00f6r\u00fcnt\u00fcn\u00fcn bile\u015fenlerini kaydederek g\u00f6r\u00fcnt\u00fclerin ve videonun otomatik olarak s\u0131n\u0131fland\u0131r\u0131lmas\u0131nda ve ayr\u0131ca nesne takibinde yararl\u0131 olabilir. Bununla birlikte, ayr\u0131\u015fma algoritmas\u0131n\u0131 ger\u00e7ek bir probleme uygulaman\u0131n, \u00fczerinde \u00e7al\u0131\u015f\u0131lmas\u0131 gereken bir tak\u0131m y\u00f6nleri vard\u0131r.<\/span><\/p>\n

\u0130lk test, k\u0131lavuz veri taban\u0131ndan t\u00fcm kliplerin y\u00fcklenmesi ve her klipten se\u00e7ilen tek bir \u00f6rnek \u00e7er\u00e7eveye e\u015fbi\u00e7imliliklerin saptanmas\u0131 yoluyla ger\u00e7ekle\u015ftirildi. B\u00f6ylece veri taban\u0131ndaki her klip i\u00e7in rastgele bir kare se\u00e7ilmi\u015f ve bu karelerin her biri sisteme sorgu olarak sunulmu\u015ftur. Bu, genel olarak ayr\u0131\u015ft\u0131rma algoritmas\u0131n\u0131n \u00e7e\u015fitli farkl\u0131 sorgular \u00fczerindeki performans\u0131n\u0131n basit bir testidir.<\/span><\/p>\n

Ayr\u0131\u015ft\u0131rma tam algoritmas\u0131 ve Ullman algoritmas\u0131 i\u00e7in ortalama, maksimum, minimum ve standart sapmay\u0131 verir. Bu tablo ayr\u0131\u015ft\u0131rma algoritmas\u0131n\u0131n avantaj\u0131n\u0131 a\u00e7\u0131k\u00e7a g\u00f6stermektedir. Al\u0131nan s\u00fcreler, en iyi standart algoritma i\u00e7in olanlardan daha az bir b\u00fcy\u00fckl\u00fck s\u0131ras\u0131d\u0131r.<\/span><\/p>\n

Ayr\u0131\u015ft\u0131rma algoritmas\u0131 i\u00e7in minimum ve maksimum aras\u0131ndaki g\u00f6reli varyasyon, standart algoritmadan \u00e7ok daha y\u00fcksekti; ancak, ayr\u0131\u015ft\u0131rma algoritmas\u0131 i\u00e7in en k\u00f6t\u00fc durum, Ullman’\u0131n algoritmas\u0131 i\u00e7in en iyi zaman\u0131n yakla\u015f\u0131k be\u015fte biri oldu\u011fu i\u00e7in, bu b\u00fcy\u00fck bir ele\u015ftiri olamaz.<\/span><\/p>\n

Sorgular aras\u0131ndaki performanstaki g\u00f6reli varyasyonlar, Ullman’\u0131n algoritmas\u0131 ve kesin ayr\u0131\u015ft\u0131rma algoritmas\u0131 i\u00e7in benzerdi; yani, ayn\u0131 sorgularda daha iyi veya daha k\u00f6t\u00fc performanslar \u00fcretirler.<\/span><\/p>\n

K\u0131lavuz veri taban\u0131ndaki t\u00fcm kliplerin anahtar nesnelerini benzer bir alandan ald\u0131\u011f\u0131na dikkat edilmelidir, bu da testte bir yanl\u0131l\u0131\u011fa katk\u0131da bulunabilir. Bu etkiyi incelemek i\u00e7in, bir temel ayr\u0131\u015ft\u0131rma a\u011f\u0131 olu\u015fturmak \u00fczere akvaryum kliplerinden olu\u015fan bir veri taban\u0131 kulland\u0131k, ard\u0131ndan parkta oynayan \u00e7ocuklar\u0131n kliplerini ekledik.<\/span><\/p>\n

Bu klipler \u00e7o\u011funlukla ayr\u0131k nesne k\u00fcmeleri i\u00e7erir; bu nedenle, herhangi bir \u00f6nyarg\u0131 belirgin hale gelmelidir. Ba\u015flang\u0131\u00e7ta, bal\u0131k tank\u0131 kliplerinin yar\u0131s\u0131 veri taban\u0131nda derlendi ve her iki algoritman\u0131n performans\u0131n\u0131 de\u011ferlendirmek i\u00e7in her bir klipten temsili bir \u00e7er\u00e7eve sorgu olarak kullan\u0131ld\u0131.<\/span><\/p>\n

Akvaryum kliplerinin geri kalan\u0131 daha sonra eklendi ve algoritmalar tekrar test edildi. Son olarak, akvaryum sahnelerinin say\u0131s\u0131n\u0131n yar\u0131s\u0131na e\u015fit say\u0131da park sahnesi klipleri eklendi ve son bir dizi test ger\u00e7ekle\u015ftirildi.<\/span><\/p>\n

G\u00f6sterildi\u011fi gibi, ayr\u0131\u015ft\u0131rma algoritmas\u0131n\u0131n performans\u0131, benzer olmayan nesnelerin eklenmesiyle \u00f6nemli \u00f6l\u00e7\u00fcde azalmaz. Kesin ayr\u0131\u015ft\u0131rma algoritmas\u0131n\u0131n \u00e7al\u0131\u015fma k\u00fcmesi boyutu, %10’dan daha az farkla Ullman’\u0131n algoritmas\u0131yla kar\u015f\u0131la\u015ft\u0131r\u0131labilirdi.<\/span><\/p>\n

Bu kan\u0131t, bir giri\u015f resminin alt resimleriyle ayn\u0131 olan veritaban\u0131 resimlerini tespit etmek amac\u0131yla ayr\u0131\u015ft\u0131rma modelinin olduk\u00e7a verimli ve iyi ko\u015fulland\u0131r\u0131lm\u0131\u015f bir \u00e7\u00f6z\u00fcm sundu\u011fu ifadesini desteklemektedir.<\/span><\/p>\n

\n

Bilgisayar<\/a> a\u011f Nedir<\/span>
\nA\u011f nedir k\u0131saca<\/span>
\nAg nedir<\/span>
\nAg nedir kimya<\/span>
\n\u0130nternet a\u011f\u0131 ne demek<\/span>
\nGenel a\u011f nedir<\/span>
\nBilgisayar a\u011f\u0131 LAN Nedir<\/span>
\nBilgisayar a\u011flar\u0131 nerelerde kullan\u0131l\u0131r<\/span><\/p>\n

\n

Hatal\u0131 Ayr\u0131\u015ft\u0131rma Algoritmas\u0131<\/span><\/strong><\/h3>\n

Hata d\u00fczeltme algoritmalar\u0131 art\u0131k kliplerin rehber veri taban\u0131 \u00fczerinden de\u011ferlendiriliyor ve A* (ileriye bakma ile) algoritmas\u0131 ile kesin olmayan ayr\u0131\u015ft\u0131rma algoritmas\u0131 kar\u015f\u0131la\u015ft\u0131r\u0131l\u0131yor.<\/span><\/p>\n

Ullman algoritmas\u0131 ve kesin ayr\u0131\u015ft\u0131rma algoritmas\u0131 i\u00e7in ger\u00e7ekle\u015ftirilen ilk test, kesin olmayan ayr\u0131\u015ft\u0131rma algoritmas\u0131 kullan\u0131larak da yap\u0131lm\u0131\u015ft\u0131r.<\/span><\/p>\n

G\u00f6r\u00fcld\u00fc\u011f\u00fc gibi sonu\u00e7lar, tam ayr\u0131\u015ft\u0131rma algoritmas\u0131n\u0131nkine benzer bir performans geli\u015fimini g\u00f6stermektedir. Kesin olmayan ayr\u0131\u015ft\u0131rma algoritmas\u0131, beklendi\u011fi gibi, tam algoritmadan biraz daha yava\u015f olsa da, yine de tam e\u015fle\u015ftirme i\u00e7in en iyi standart algoritmadan \u00f6nemli \u00f6l\u00e7\u00fcde daha h\u0131zl\u0131d\u0131r. Bu, \u00f6n i\u015fleme y\u00f6ntemleri kullan\u0131larak m\u00fcmk\u00fcn olan performans\u0131n a\u00e7\u0131k bir g\u00f6stergesini verir.<\/span><\/p>\n

Yaln\u0131zca girdi grafi\u011fi ile en az bir model aras\u0131nda tam bir grafik izomorfizmi bulunan sorgular i\u00e7in performans verir. Kesin olmayan algoritmalar i\u00e7in daha \u00f6nemli olan, tam e\u015fle\u015fme olmad\u0131\u011f\u0131nda g\u00f6sterdikleri performanst\u0131r.<\/span><\/p>\n

Hem A* hem de ayr\u0131\u015ft\u0131rma kesin olmayan algoritmalar\u0131, en yak\u0131n e\u015fle\u015fmenin hata \u00f6l\u00e7\u00fcs\u00fc artt\u0131k\u00e7a b\u00fcy\u00fck \u00f6l\u00e7\u00fcde artan yan\u0131t s\u00fcreleri g\u00f6r\u00fcnt\u00fcler. Bunun nedeni, yuva hata de\u011feri artt\u0131k\u00e7a e\u015fit maliyetli alternatiflerin katlanarak artmas\u0131d\u0131r.<\/span><\/p>\n

Kullan\u0131lan GUB ara\u00e7 tak\u0131m\u0131 sistemi, hata mesafesi \u00f6l\u00e7\u00fcm\u00fcne katk\u0131da bulunan \u015fu i\u015flemleri sa\u011flar: k\u00f6\u015fe\/kenar etiketlerinin de\u011fi\u015ftirilmesi, k\u00f6\u015felerin\/kenarlar\u0131n silinmesi ve k\u00f6\u015felerin\/kenarlar\u0131n eklenmesi. Video veritaban\u0131 testleri i\u00e7in bu bile\u015fenlerin her birine atanan maliyet verilmi\u015ftir.<\/span><\/p>\n

Kullan\u0131lan g\u00f6sterim her resim veya \u00e7er\u00e7eve i\u00e7in tam bir grafik sa\u011flad\u0131\u011f\u0131ndan, kenarlar\u0131n eklenmesi ve silinmesine sonsuz bir maliyet atan\u0131r. Kenar etiketlerinin ikamesi i\u00e7in maliyet aral\u0131\u011f\u0131 [0\u201317]’dir, ikame maliyeti ayn\u0131 ili\u015fki i\u00e7in s\u0131f\u0131rd\u0131r ve iki etiketi ay\u0131ran ili\u015fkilerin say\u0131s\u0131yla artar.<\/span><\/p>\n

Sorgular\u0131 kar\u015f\u0131lamak i\u00e7in gereken s\u00fcredeki \u00f6nemli bir fakt\u00f6r, hata \u00f6l\u00e7\u00fcm de\u011feridir. Veritaban\u0131na kar\u015f\u0131 d\u00f6rt farkl\u0131 sorgu i\u00e7in A* algoritmas\u0131n\u0131n ve hatal\u0131 ayr\u0131\u015ft\u0131rma algoritmas\u0131n\u0131n gerektirdi\u011fi y\u00fcr\u00fctme s\u00fcresini g\u00f6sterir. Tabloda kullan\u0131lan sorgular artan hata de\u011ferlerine sahiptir ve iki algoritma i\u00e7in art\u0131\u015f oran\u0131n\u0131 g\u00f6stermektedir.<\/span><\/p>\n

Hata \u00f6l\u00e7\u00fcs\u00fc 6 ve 12 olan sorgular\u0131n kar\u015f\u0131la\u015ft\u0131r\u0131lmas\u0131, A* i\u00e7in y\u00fcr\u00fctme s\u00fcresinde d\u00f6rt kat art\u0131\u015f g\u00f6stermesine ra\u011fmen, en k\u00f6t\u00fc durumda bile, kesin olmayan ayr\u0131\u015ft\u0131rma algoritmas\u0131, \u00e7ok daha h\u0131zl\u0131 bir yan\u0131t \u00fcretmek i\u00e7in geleneksel algoritma \u00fczerinde yeterli bir performans avantaj\u0131na sahiptir. algoritma ve kesin olmayan ayr\u0131\u015ft\u0131rma i\u00e7in 12 kat art\u0131\u015f vard\u0131r.<\/span><\/p>\n

Benzer bir e\u011filimi daha fazla ayr\u0131nt\u0131yla g\u00f6sterir, \u00e7\u00fcnk\u00fc sorgu olarak dizilerin birinden bir \u00e7er\u00e7eveyle ba\u015flay\u0131p ard\u0131ndan d\u00f6nd\u00fcr\u00fclen hatay\u0131 kademeli olarak art\u0131rmak i\u00e7in onu de\u011fi\u015ftirerek \u00fcretilmi\u015ftir.<\/span><\/p>\n

Sonu\u00e7lar, kesin olmayan a\u011f y\u00f6nteminin A* algoritmas\u0131ndan \u00f6nemli \u00f6l\u00e7\u00fcde daha h\u0131zl\u0131 olmas\u0131na ra\u011fmen, b\u00fcy\u00fck bir hata beklendi\u011finde kullan\u0131lacak kadar h\u0131zl\u0131 olmayabilece\u011fini g\u00f6stermektedir. \u0130zin verilen maksimum hataya g\u00f6re s\u0131n\u0131rland\u0131r\u0131labilen bir benzerlik \u00f6l\u00e7\u00fcs\u00fc i\u00e7in, kesin olmayan a\u011f algoritmas\u0131 yararl\u0131 bir ara\u00e7 olacakt\u0131r.<\/span><\/p>\n

Bir hata s\u0131n\u0131r\u0131 verildi\u011finde, veritaban\u0131 i\u015flenirken arama \u00f6nemli \u00f6l\u00e7\u00fcde budanabilir. Bu, iyi y\u00f6nlendirilmi\u015f bir arama yap\u0131ld\u0131\u011f\u0131nda, a\u011f\u0131 kesin olmayan algoritmay\u0131 ba\u015far\u0131yla kullanabilece\u011fimizi g\u00f6sterir.<\/span><\/p>\n

Bununla birlikte, kapsaml\u0131 bir veritaban\u0131 aramas\u0131 i\u00e7in, yan\u0131t s\u00fcresi muhtemelen makul s\u0131n\u0131rlar\u0131 a\u015fan, kesin olmayan algoritmadan a\u011fdan d\u00fc\u015f\u00fck performans bekleriz. Ancak, d\u00f6nd\u00fcr\u00fclen performans\u0131n mevcut algoritmalara g\u00f6re bir geli\u015fme olaca\u011f\u0131n\u0131 unutmamak \u00f6nemlidir.<\/span><\/p>\n

A\u011f algoritmas\u0131n\u0131n alan gereksinimi, hem kesin hem de kesin olmayan bi\u00e7imlerde, geleneksel algoritmalardan yaln\u0131zca marjinal olarak daha fazlad\u0131r.<\/span><\/p>\n

\n\n
<\/div>\n\n<\/div>\n \n