Abstract
Derin öğrenme algoritmaları, sundukları yüksek doğruluk ve performans ile günümüzde birçok farklı alanda etkin bir şekilde uygulanmaktadır. Bu algoritmalar arasında Convolutional Neural Network, Xception ve YOLOv8 modelleri, özellikle görüntü işleme alanında öne çıkmaktadır. Convolutional Neural Network algoritması, temel bir derin öğrenme yöntemi olarak geniş bir literatür desteğine sahiptir ve biyomedikal sinyal işleme, yüz tanıma ve metin sınıflandırma gibi birçok uygulama alanında kullanılmaktadır. Xception, derin öğrenmede daha gelişmiş bir yaklaşımla verimli bir şekilde karmaşık görüntü özelliklerini öğrenirken, YOLOv8 modeli ise hızlı ve doğru nesne algılama yetenekleriyle tanınmaktadır. Bu modellerin sağladığı yüksek performans, tarihî belgelerin dijital tanınması ve sınıflandırılması gibi özel alanlarda, etkin bir şekilde kullanılabilmektedir. Bu çalışmada, Türkiye Cumhuriyeti'nin ilk beş emisyon banknotlarının görselleri veri kazıma yöntemi ile oluşturulmuş ve yeni bir veri seti elde edilmiştir. Oluşturulan veri seti, Convolutional Neural Network, YOLOv8 ve Xception derin öğrenme algoritmaları ile eğitilmiştir. Deneyler sonucunda, Yolov8 ile eğitilen modelinin, 0.94 oranında doğruluk ile en iyi sonuçları verdiği gözlemlenmiştir. Çalışmada ayrıca sadece model eğitimi yapılmamış, oluşturulan model bir mobil uygulama içerisine eklenerek eski para meraklılarının, çektikleri fotoğraflar üzerinden emisyon temelli paraların sınıflandırma yapabilmelerini sağlayan bir mobil yazılımda ayrıca geliştirilmiştir. Bu araştırma, derin öğrenme teknolojilerinin tarihsel belgelerin dijital tanınmasındaki potansiyelini elde ettiği yüksek sınıflandırma başarımı ile ortaya koymaktadır.