Bilinen CNN mimarilerinin görsel Captcha sınıflandırması açısından değerlendirilmesi


Abstract views: 22 / PDF downloads: 59

Authors

  • Abdulmuttalip DURAN Savunma Teknolojileri ABD, Lisans Üstü Eğitim Enstüsü, Sivas Bilim ve Teknoloji Üniversitesi, Türkiye
  • Halit BAKIR Bilgisayar Mühendislik Bölümü, Mühendislik Ve Doğa Bilimleri Fakültesi, Sivas Bilim ve Teknoloji Üniversitesi, Türkiye
  • Hacı Mehmet GUZEY Elektrik Elektronik Mühendislik Bölümü, Mühendislik Ve Doğa Bilimleri Fakültesi, Sivas Bilim ve Teknoloji Üniversitesi, Türkiye

DOI:

https://doi.org/10.59287/icpis.860

Keywords:

Derin öğrenme, Güvenlik duvarı, Captcha, CNN mimarileri

Abstract

İnternet siteleri erişim sağlayan kullanıcıların gerçek kişi mi yoksa robot mu olduğunu tespit etmek için captcha güvenlik sistemleri kullanmaktadır. Bu çalışmada derin öğrenme teknikleri kullanılarak görsel captcha’ların görsellerinin sınıflandırılması yapılmıştır. Projede Keras kütüphanesi altında bulunan tüm iyi bilinen CNN derin öğrenme modelleri test edilmiştir. İlk olarak tüm modeller kullanılarak analizler yapılmıştır. 95%’nin üzerinde başarı gösteren algoritmaların epoch değerleri artırılarak tekrar testler yapılmıştır. Testler sonucunda en başarılı sonuç 98.89% doğruluk değeriyle EfficientNetB1 ve EfficientNetB3 modellerinde elde edilmiştir.

Downloads

Published

2023-06-13

How to Cite

DURAN, A., BAKIR, H., & GUZEY, H. M. (2023). Bilinen CNN mimarilerinin görsel Captcha sınıflandırması açısından değerlendirilmesi. International Conference on Pioneer and Innovative Studies, 1, 379–385. https://doi.org/10.59287/icpis.860

Conference Proceedings Volume

Section

Conference Papers