1. Gün

• Transfer Öğrenme Kavramları

  • Transfer öğrenme nedir ve ne zaman kullanılır?

  • Önceden eğitilmiş modellerin avantajları ve kullanım alanları.

  • Uygulama: Bir askeri araç veri seti üzerinde VGG modelini kullanarak sınıflandırma.

• Özellik Çıkarımı ve İnce Ayar (Fine-Tuning)

  • Özellik çıkarımının temel prensipleri.

  • İnce ayar ile modelin savunma veri setine adapte edilmesi.

  • Uygulama: Bir İHA veri seti üzerinde ince ayar uygulanarak performansın artırılması.

• Popüler Temel Modeller

  • VGG, ResNet ve MobileNet gibi modellerin tanıtımı.

  • Her modelin avantajları, dezavantajları ve kullanım alanları.

  • Uygulama: ResNet’i kullanarak radar verilerinde nesne sınıflandırma modeli geliştirme.

• Transfer Öğrenme Süreci

  • Modelin eğitimi ve doğrulama metriklerinin analizi.

  • Hiperparametre optimizasyonu ve düzenlileştirme teknikleri.

  • Uygulama: MobileNet ile bir askeri tehdit veri seti üzerinde eğitim ve değerlendirme.

2. Gün

• Performans Optimizasyonu

  • Overfitting önleme: Dropout, veri artırma.

  • Eğitim sürecinde öğrenme oranı ve epoch sayısının etkisi.

  • Uygulama: Veri artırma teknikleriyle bir savunma veri setinin performansını artırma.

• Görüntü Segmentasyonu ve Nesne Tespiti

  • Transfer öğrenme ile segmentasyon ve nesne tespiti.

  • YOLO ve Faster R-CNN gibi modellerin transfer öğrenme süreçleri.

  • Uygulama: Bir radar görüntüsünde YOLO kullanarak tehdit unsurlarını tespit etme.

• Model Performansının Değerlendirilmesi

  • Doğruluk, precision, recall ve F1-score gibi metriklerin analizi.

  • Eğitim sonrası model performansının iyileştirilmesi.

  • Uygulama: ResNet modelini bir radar veri seti üzerinde test ederek performans analizi yapma.

• Mini Projeler

  • MobileNet kullanarak bir radar veri setinde nesne sınıflandırma.

  • YOLO ile bir askeri operasyon veri setinde nesne tespiti.

  • ResNet üzerinde ince ayar yaparak İHA görüntülerinde segmentasyon.