DERİN ÖĞRENME TEMELLİ İÇ MEKAN YÖNLENDİRME UYGULAMASI

Abstract

ÖZET

Son yıllarda artan nüfus ile birlikte insanların hastane, alışveriş merkezi gibi yaşam alanlarında harcadıkları zaman da artmaktadır. Açık alanlarda yaşanılan sıkıntılara ek olarak kapalı alanlarda da ulaşım konusunda insanların istedikleri yerlere ulaşmak için harcadıkları zaman binaların karmaşıklığına bağlı olarak değişmektedir. Bu noktada iç mekanlarda insanların yönlendirilmesi için farklı yaklaşımlar araştırma konusu olmuştur. Derin öğrenme temelli yönlendirme çalışmalarına katkı olarak bu tez çalışmasında yönlendirme işlemleri iki adımda ele alınmaktadır. İlk olarak mağaza konum bilgisinin alınması için Transfer öğrenmeye dayalı Evrişimsel Sinir Ağları (CNN) mimarisi kullanılmıştır. Oluşturulan model mimarisi mağaza görüntülerinden yönlendirme için başlangıç bilgisini vermektedir. Bir sonraki adımda yönlendirme adımları Android mobil uygulama aracılığıyla kullanıcıya sunulmaktadır. Uygulama ile kullanıcıların internet bağlantısı olmadan aynı ve farklı katlar arasında yönlendirme işlemi gerçekleştirilmektedir.

ABSTRACT

With the increasing population in recent years, the time people spend in living spaces such as hospitals and shopping centers is also increasing. In addition to the difficulties experienced in open areas, the time people spend in transportation in indoor areas to reach the places they want varies depending on the complexity of the buildings. At this point, different approaches to directing people indoors have been the subject of research. In this thesis, as a contribution to deep learning-based routing studies, routing processes are discussed in two steps. Firstly, Convolutional Neural Networks (CNN) architecture based on Transfer learning was used to retrieve store location information. The model architecture created gives the initial information for routing from the store images. In the next step, the routing steps are presented to the user via the Android mobile application. With the application, users can be routed between the same and different lines without an internet connection.