The Role of Artificial Intelligence in Image Content Classification

Year 2025, Volume: 1 Issue: 9, 56 - 71, 16.03.2025

Mehmet Akif Özdal

Abstract

Artificial intelligence plays an important role in the field of image content classification and offers various applications in this field. In particular, deep learning and image processing algorithms are able to perform the analysis and classification of images with a human-like performance by using large data sets.
The contributions of artificial intelligence in this field cover basic operations such as the identification, classification and segmentation of objects. Deep learning algorithms automatically learn features in images through multilayer neural networks and use these features for the recognition and classification of objects. This approach provides higher accuracy and performance compared to traditional image processing methods.
The range of applications of artificial intelligence in the field of image content classification is quite wide. It is widely used especially in the medical, security, automotive and retail sectors. In this context, literature review and logical reasoning methods have been adopted from the qualitative research methods of the study conducted in this context. The literature review provides a framework for understanding the historical development of artificial intelligence and how its features have evolved in this process. Logical reasoning has been used to analyze the effects of this information on artificial intelligence in the field of classification with image content and to reach conclusions.

Keywords

Artificial Intelligence, Image Content Classification, Deep Learning, Image Processing, Object Recognition

Resim İçeriği Sınıflandırmasında Yapay Zekanın Rolü

Abstract

Yapay zeka, resim içerikli sınıflandırma alanında önemli bir rol oynamakta ve bu alanda çeşitli uygulamalar sunmaktadır. Özellikle derin öğrenme ve görüntü işleme algoritmaları, büyük veri setlerinden yararlanarak resimlerin analizini ve sınıflandırmasını insan benzeri bir performansla gerçekleştirebilmektedir.
Yapay zekanın bu alandaki katkıları, nesnelerin tanımlanması, sınıflandırılması ve segmentasyonu gibi temel işlemleri kapsamaktadır. Derin öğrenme algoritmaları, çok katmanlı sinir ağları aracılığıyla resimlerdeki özellikleri otomatik olarak öğrenmekte ve bu özellikleri nesnelerin tanınması ve sınıflandırılması için kullanmaktadır. Bu yaklaşım, geleneksel görüntü işleme yöntemlerine kıyasla daha yüksek doğruluk ve performans sağlamaktadır.
Yapay zekanın resim içerikli sınıflandırma alanındaki uygulama yelpazesi oldukça geniştir. Özellikle tıp, güvenlik, otomotiv ve perakende sektörlerinde yaygın bir şekilde kullanılmaktadır. Bu bağlamda yapılan çalışma Nitel araştırma yöntemlerinden literatür taraması ve mantıksal akıl yürütme yöntemleri benimsenmiştir. Literatür taraması, yapay zekanın tarihsel gelişimini ve bu süreçte özelliklerinin nasıl evrildiğini anlamaya yönelik bir çerçeve sunmaktadır. Mantıksal akıl yürütme ise bu bilgilerin yapay zekanın resim içerikli sınıflandırma alanındaki etkilerini analiz etmek ve sonuçlara ulaşmak için kullanılmıştır.

Keywords

Yapay Zeka, Resim İçerikli Sınıflandırma, Derin Öğrenme, Görüntü İşleme, Nesne Tanıma

References

• Ateş, E. C., Bostancı, E., & Güzel, M. S. (2021). Yapay Zekâ ve Makine Öğrenmesi Temelinde Meme Kanseri Teşhisi. Turkiye Klinikleri Forensic Medicine-Special Topics, 7(3), 61-68.
• Atalay, M., & Çelik, E. (2017). Büyük Veri Analizinde Yapay Zekâ ve Makine Öğrenmesi Uygulamalari-Artificial Intelligence and Machine Learning Applications in Big Data Analysis. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 9(22), 155-172.
• Aylak, B. L., & Oral, O. (2021). Yapay Zeka ve Makine Öğrenmesi Tekniklerinin Lojistik Sektöründe Kullanımı. El-Cezeri, 8(1), 74-93.
• Bal, T. (2022). Antimikrobiyal Direnç Tehdidinde Yapay Zekâ ve Makine Öğrenmesi. Turkiye Klinikleri Infectious Diseases-Special Topics, 15(3), 41-45.
• Bayram, H., & Gözükara, Y. (2020). Yapay Zekâ ve Görüntü Tanıma Teknikleri. Bilgisayar Mühendisliği ve Bilgi Sistemleri Dergisi, 12(3), 15-23.
• Bingöl, O. (2017). Alternatif Tasarlamalar Bağlamında Fotoğraf. İletişim Çalışmaları Dergisi, 3(1), 1-16. Caruana, R. (1997). Multitask Learning. Machine learning, 28, 41-75.
• Crawford, K. (2021). The Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence. Yale University Press.
• Çiçek, Y., & Diri, B. (2020). Yapay Zekâ Tabanlı Görüntü İşleme Teknikleri ve Uygulamaları. Bilgisayar Mühendisliği ve Bilgi Sistemleri Dergisi, 10(4), 25-33.
• Demir, E., & Karabörk, H. (2017). Yapay Zekâ ve Görüntü İşleme Teknikleri. Elektronik ve Bilgisayar Mühendisliği Dergisi, 6(3), 25-32.
• Dilber, İ., & Çetin, A. (2021). Adli Bilişim İncelenme Süreçlerinde Yapay Zeka Kullanımı: VGG16 ile Görüntü Sınıflandırma. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 9(5), 1695-1706.
• Doğan, Ö., & Çelik, H. (2018). Derin Öğrenme Tabanlı Görüntü Sınıflandırma Teknikleri. Elektrik-Elektronik Mühendisliği Dergisi, 14(3), 27-34.
• Garvie, C. (2016). The perpetual Line-Up: Unregulated Police Face Recognition in America. Georgetown Law, Center on Privacy & Technology.
• Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., ... & Bengio, Y. (2020). Generative adversarial networks. Communications of the ACM, 63(11), 139-144.
• Güler, A. (2019). Tarih Dersinde Teknoloji Kullanımına Örnek: Etkileşimli Ünite Tasarımı [Yayımlanmamış Yüksek Lisans Tezi], Çukurova Üniversitesi, Adana.
• Güneş, S., & Uçar, E. (2016). Derin Öğrenme ile Görüntü Sınıflandırma ve Nesne Tanıma. Bilişim Teknolojileri Dergisi, 9(2), 87-97.
• Jobin, A., Ienca, M., & Vayena, E. (2019). The Global Landscape of AI Ethics Guidelines. Nature machine intelligence, 1(9), 389-399.
• Karabulut, M., & Yıldırım, T. (2020). Derin Öğrenme ve Görüntü İşleme Teknikleri. Elektrik Mühendisliği Dergisi, 18(4), 23-30.
• Kaya, H., & Ata, F. (2019). Derin Öğrenme ve Görüntü Tanıma Teknikleri. Elektrik-Elektronik-Bilgisayar Mühendisliği Dergisi, 19(2), 67-74.
• Keskin, C., & Ünal, G. (2020). Görüntü Sınıflandırma ve Yapay Zekâ Teknikleri. Elektronik Mühendisliği Dergisi, 4(1), 23-29.
• Pan, S. J., & Yang, Q. (2009). A Survey on Transfer Learning. IEEE Transactions on knowledge and data engineering, 22(10), 1345-1359.
• Pirim, A. G. H. (2006). Yapay Zeka. Yaşar Üniversitesi E-Dergisi, 1(1), 81-93.
• Schmidhuber, J. (2015). Deep Learning in Neural Networks: An Overview. Neural networks, 61, 85-117.
• Soyhan, İ., Gürel, S., & Tekin, S. A. (2021). Yapay Zeka Tabanlı Görüntü İşleme Tekniklerinin İnsansız Hava Araçları Üzerinde Uygulamaları. Avrupa Bilim ve Teknoloji Dergisi, (24), 469-473.
• Ulusoy, İ. (2023). Yapay Zeka ve Makine Öğrenmesi Sigorta Sektörünü Yeniden Şekillendiriyor. Türkiye Sigorta Birliği: https://www. tsb. org. tr/media/attachments/ipek-ulusoy_yapay-zeka-ve-makine-ogrenmesi. pdf adresinden alındı.
• Ünsal, H. (2024). Yapay Zekâ: Kuram Tabanlı Bir Analiz. Gazi Eğitim Bilimleri Dergisi, 10(3), 351-374