Mermer yüzeylerinin otomatik sınıflandırılmasında transformer tabanlı mimarilerin karşılaştırmalı analizi

Bu çalışmada, mermer yüzeylerinin renk ve doku özelliklerine dayalı olarak tür sınıflandırmasının yapılması amaçlanmış; bu doğrultuda görüntü işleme görevlerinde giderek daha güçlü bir alternatif haline gelen Transformer mimarilerinin performansı incelenmiştir. Araştırma kapsamında, 25 farklı mermer türüne ait toplam 5600 görüntüden oluşan bir veri seti kullanılarak Vision Transformer ve Swin Transformer modelleri değerlendirilmiştir. Görüntüler ön işleme adımlarından geçirilerek 224x224 piksel boyutuna getirilmiş; ardından yansıtma, döndürme, parlaklık ve kontrast değişiklikleri gibi veri artırımı teknikleri uygulanarak veri seti 18.275 görüntüye genişletilmiştir. Elde edilen deneysel bulgulara göre, Swin Transformer modeli orijinal veri setinde %97.91 doğruluk oranı gösterirken, veri artırımı uygulandıktan sonra bu oranın %98.74 seviyesine ulaştığı gözlemlenmiştir. Ayrıca, F1 metriği açısından da Swin Transformer'ın oldukça yüksek bir performans sergilediği görülmüştür. Bu bulgular ışığında, Transformer tabanlı modellerin mermer yüzeylerindeki karmaşık doku ve renk dağılımlarını öğrenmede etkili bir araç olabileceği ve geleneksel evrişimsel sinir ağı yöntemlerine esnek bir alternatif sunabileceği değerlendirilmektedir.