Tatil evlerindeki odaların derin öğrenme ile sınıflandırılması ve uygulaması
Yükleniyor...
Tarih
2020
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Teknolojide yaşanan gelişmelerin etkisini hayatın her alanında olduğu gibi turizm alanında da görmek mümkündür. Rezervasyon sürecinden konaklama sürecine kadar teknolojinin etkisi her geçen gün artmaktadır. Günümüzde çok çeşitli internet platformları üzerinden kiralık tatil evlerine, otellere ve diğer konaklama olanaklarına kolay bir şekilde ulaşılabilmektedir. İnternet üzerinden hizmet veren rezervasyon platformları ve diğer turizm uygulamaları, yapay zeka, büyük veri, mobil uygulamalar, sohbet asistanları vb. teknolojik uygulamalardan faydalanmaktadırlar. Yapay zeka uygulamalarıyla tatil evi sahiplerine, otellere ve müşterilere fiyat analizleri, görüntü sınıflandırma ve tanıma gibi çeşitli asistanlar sunmaktadırlar. Bir lokasyona ait tavsiye edilen sezon fiyatları, yüklenen görsellerden oda analizi veya sunulan imkanların görsellerden çıkarılması gibi çok çeşitli uygulamalar örnek gösterilebilir. Gerçekleştirilen bu tez çalışmasında, literatürde sıkça atıf yapılmış görsel sınıflandırma ve analize yönelik derin öğrenme modellerinden ResNet, DenseNet, VGGNet, Inception v3 ve NASNet modelleri kullanılmıştır. Bu çalışmada, daha önce herhangi bir yerde paylaşılmamış ve üzerinde herhangi bir çalışma yapılmamış, Almanya merkezli bir turizm firmasına ait tatil evleri verileri kullanılmıştır. Veriler temizlenmiş, ayıklanmış ve bir veri seti haline getirilmiştir. İlgili modeller üzerinde eğitim, test ve kıyaslama işlemleri gerçekleştirilerek, tez çalışması kapsamında detaylı bir şekilde incelenmiştir. Yapılan 20 epoch eğitim sonuçlarına göre ResNet %97,4, DenseNet %98,69, VGGNet %97,31, Inception v3 %97,33 ve NASNet %97,21 başarı oranına sahip sonuçlar vermiştir.
We can see the effect of the developments in technology field in tourism as well as in all other areas of life. From the reservation process to the accommodation, the effect of technology is increasing day by day. Today, holiday homes, hotels and other accommodation facilities are easily accessible via a wide range of internet platforms. Booking platforms serving over the Internet and other tourism applications benefit from technological applications like artificial intelligence, big data, mobile apps, chat assistants etc. With the artificial intelligence applications, they can offer various assistants like price analysis, image classification and recognition to holiday assistants, landlords, hotels and customers. A wide range of applications such as recommended season prices for a location, room analysis from uploaded images, or offered amenities from images can be found as an example of artificial intelligence applications. In this thesis, ResNet, DenseNet, VGGNet, Inception v3 and NASNet models have been used, one of the deep learning models for visual classification and analysis frequently cited in the literature. The data of holiday houses belonging to a tourism company based in Germany, which has not been shared anywhere before and has not been worked on, have been used in this study. The data has been cleaned, extracted and turned into a data set. Training, testing and benchmarking processes have been carried out on the related models and examined in detail within the scope of the thesis. According to 20 epoch training results, ResNet has a success rate of 97.4%, DenseNet 98.69%, VGGNet 97.31%, Inception v3 97.33% and NASNet 97.21%.
We can see the effect of the developments in technology field in tourism as well as in all other areas of life. From the reservation process to the accommodation, the effect of technology is increasing day by day. Today, holiday homes, hotels and other accommodation facilities are easily accessible via a wide range of internet platforms. Booking platforms serving over the Internet and other tourism applications benefit from technological applications like artificial intelligence, big data, mobile apps, chat assistants etc. With the artificial intelligence applications, they can offer various assistants like price analysis, image classification and recognition to holiday assistants, landlords, hotels and customers. A wide range of applications such as recommended season prices for a location, room analysis from uploaded images, or offered amenities from images can be found as an example of artificial intelligence applications. In this thesis, ResNet, DenseNet, VGGNet, Inception v3 and NASNet models have been used, one of the deep learning models for visual classification and analysis frequently cited in the literature. The data of holiday houses belonging to a tourism company based in Germany, which has not been shared anywhere before and has not been worked on, have been used in this study. The data has been cleaned, extracted and turned into a data set. Training, testing and benchmarking processes have been carried out on the related models and examined in detail within the scope of the thesis. According to 20 epoch training results, ResNet has a success rate of 97.4%, DenseNet 98.69%, VGGNet 97.31%, Inception v3 97.33% and NASNet 97.21%.
Açıklama
Anahtar Kelimeler
Tatil Evleri, CNN, Holiday Homes
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Balga, M. K. (2020). Tatil Evlerindeki Odaların Derin Öğrenme ile Sınıflandırılması ve Uygulaması. (Yüksek Lisans Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
