KuşNet, 50 farklı kuş türünü seslerinden yüksek doğrulukla (%95+) tanıyan, ResNet-18 mimarisi üzerine kurulu bir Derin Öğrenme projesidir. Proje, veri işleme aşamasından canlı web arayüzüne kadar uçtan uca (end-to-end) bir çözüm sunar.
Projenin asıl detaylı raporu repoda "DL Rapor.docx" olarak mevcuttur!
- Model Mimarisi: ImageNet üzerinde ön eğitilmiş ResNet-18 (Transfer Learning).
- Veri İşleme (Smart Slicing): Uzun ses kayıtları 4 saniyelik parçalara bölünmüş ve sessiz/boş kısımlar elenerek veri seti optimize edilmiştir.
- Ses Dönüşümü: Ses dalgaları (Waveform), Mel Spektrogramlara dönüştürülerek görüntü işleme teknikleriyle analiz edilmiştir.
- İnference: Uzun ses dosyaları için "Sliding Window" yöntemi ile tüm ses taranır ve ortalama olasılık hesaplanır.
- Arayüz: Hugging Face Spaces üzerinde çalışan Gradio tabanlı interaktif web arayüzü.
Modelimiz 50 farklı sınıf üzerinde eğitilmiş ve %95.86 Test Başarısı elde etmiştir.
│── kusresnet.py # Model eğitimi ve validasyon
│── kusinference.py # Tahminleme motoru
├── ornek_sesler/ # Demo için test sesleri
├── requirements.txt # Gerekli kütüphaneler
├── resnet_kus_5li.pth # Eğitilmiş model parametreleri
├── renet_sonucu.png # Model skorlarına ilişkin grafik
├── DL rapor.docx # Projeye ilişkin detaylı bilginin bulunduğu rapor
├── Confusion_Matrix # Karmaşıklık matrisi grafiği
└── README.md # Proje dokümantasyonu
🧠 Nasıl Çalışır?
Spektrogram Dönüşümü: .mp3 veya .wav formatındaki ses, Mel Skalasında spektrogram görüntüsüne çevrilir.
ResNet-18: Görüntü, CNN katmanlarından geçer. Modelin ilk katmanı spektrogramları kabul edecek şekilde modifiye edilmiştir.
Sınıflandırma: Son katman, 50 farklı kuş türüne ait olasılık değerlerini üretir.
🌍 Canlı Demo
Projeyi tarayıcı üzerinden test etmek için Hugging Face Space adresini ziyaret edebilirsiniz:
👉 https://huggingface.co/spaces/tottisporlu/kus-sesi-tanima-resnet18