proje 08
Hybrid ViT-BiGRU Pipeline
Görsel verilerden uzamsal öznitelikleri Vision Transformer ile, zamansal örüntüleri çift yönlü GRU ağlarıyla yakalayan hibrit derin öğrenme ardışık düzeni.
- Kategori
- Yapay Zekâ
- Rol
- Derin öğrenme araştırmacısı ve model geliştirici
- Yıl
- 2026
kullanılan teknolojiler
- Python
- PyTorch
- TensorFlow
- NumPy
- Pandas
- Seaborn
- CUDA
problem
Problem
Yalnızca konvolüsyonel ya da yalnızca tekrarlamalı mimariler, ardışık görsel verilerde iki şeyi aynı anda yakalayamıyor: karedeki uzamsal detay ile kareler arasındaki uzun vadeli zamansal bağlam. Biri güçlendiğinde diğeri zayıflıyor.
çözüm
Çözüm
Vision Transformer bloklarının uzamsal öznitelik çıkarıcı olarak kullanıldığı, çıkan vektörlerin çift yönlü BiGRU katmanlarına aktarıldığı hibrit bir ardışık düzen kodladım. Python, PyTorch ve TensorFlow üzerinde CUDA hızlandırmalı eğitim ve doğrulama döngülerini kurdum; sonuçları confusion matrix, ROC eğrileri ve eğitim metrikleriyle görselleştirdim.
sonuç
Sonuç
Standart CNN-LSTM modellerine kıyasla karmaşık zamansal veri kümelerinde doğruluk ve F1-score metriklerinde ölçülebilir artış sağlayan, akademik ve pratik kullanıma uygun bir model mimarisi elde edildi.
öne çıkan özellikler
- 01ViT bloklarının uzamsal öznitelik çıkarıcı olarak kullanılması, çıkan vektörlerin BiGRU katmanlarına aktarılması.
- 02PyTorch ve TensorFlow üzerinde CUDA hızlandırmalı eğitim ve doğrulama döngüleri.
- 03Veri ön işleme, data augmentation ve overfitting önleyici düzenlileştirme teknikleri.
- 04Confusion matrix, ROC eğrileri ve eğitim metriklerinin görselleştirilmesi.
neden bu seçimler
Neden LSTM değil BiGRU?
GRU, LSTM'e göre daha az parametreyle çalışıyor; bu eğitim süresini ve bellek tüketimini ciddi oranda düşürdü. Çift yönlü yapı sayesinde model hem geçmiş hem gelecek bağlamı görebiliyor, dolayısıyla parametreden kazanılan yer başarımdan kaybettirmedi.
Neden ViT, CNN değil?
Konvolüsyonel katmanlar yerel örüntüleri iyi yakalıyor ama uzak bölgeler arasındaki ilişkiyi kurmakta zorlanıyor. Vision Transformer'ın self-attention yapısı, karenin tamamındaki ilişkileri tek adımda değerlendirdiği için sekans modeline daha zengin bir öznitelik vektörü besliyor.