Generative model based approaches to learning with incomplete supervision

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: SİNAN GENÇOĞLU

Danışman: Ramazan Gökberk Cinbiş

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Derin öğrenme alanındaki gelişmeler, çeşitli tanıma problemlerinde büyük ilerlemelere imkan tanımıştır. Bununla birlikte, ağırlıklı olarak en gelişmiş modeller büyük çaplı ve etiketli eğitim kümelerinin varlığına dayanmaktadır. Bu nedenle, son zamanlarda detaylı etiketlenmiş büyük eğitim kümelerinin yokluğunda ilgilenilen konseptleri modellemeye yönelik büyük ilgi ortaya çıkmıştır. Genellikle sınırlı denetimli öğrenme olarak adlandırılan bu yöntemler, tamamen denetimsiz öğrenmeden gürültülü etiketlerle model eğitimine kadar çeşitlilik göstermektedir. Bu tezde, az sayıda eğitim örneğine dayalı olarak yeni sınıfların modellerinin öğrenilmesi sorununa odaklanıyoruz, bu aynı zamanda az örnekli öğrenme olarak da bilinir. Bu probleme üretici bir perspektiften yaklaşıyoruz; ilk olarak üretken bir model öğrenmeyi hedefliyoruz ve ardından üretken modelin az örnekli sınıflandırma görevi üzerindeki etkisini araştırıyoruz. Bu çalışmanın ana odağı, difüzyon prensiplerine dayanan ve özniteliksel gösterimleri manipüle etmek için bir dönüştürücü içeren üretken bir model tabanında oluşmaktadır. Bu model, koşul girdisi olarak önceden eğitilmiş bir özellik çıkarıcıdan elde edilen görüntü özniteliklerini kullanarak çalışmaktadır. Bu metodolojinin benimsenmesinin bir sonucu olarak, üretken modelin birkaç örnekli bir öğrenme senaryosundaki etkinliğinin ampirik bir değerlendirmesini sunuyoruz.