Son zamanlarda maymun çiçeği hastalığı birçok ülkeye hızla yayılmakta ve ciddi bir sağlık sorunu haline gelmektedir. Ayrıca bu hastalık kişinin yaşam kalitesini de etkiler. Bu nedenle hastalığın hızlı tespiti ile yayılma hızının düşürülmesi büyük önem taşımaktadır. Maymun çiçek hastalığını hızlı bir şekilde tespit edebilmek için derin öğrenme modelleri kullanılmaktadır. Bunlar sırasıyla EfficientNetB3, ResNet50 ve InceptionV3 olarak adlandırılır. Üç modelin sonuçlarına göre, ResNet50, performans yönlerini karşılaştırdıklarında en iyi modeldir. ResNet50'nin doğruluğu %94.00'dür. Modellerin performansını değerlendirmek için kullanılan dört parametre vardır. Kesinlik, geri çağırma, f1 puanı ve destek denir. Bu modeller, maymun çiçeğinin yüksek hassasiyetle sınıflandırılabileceğini göstermektedir. Bu nedenle bu modeller işin geleceği için kullanılabilir.

Recently, the monkeypox disease spreads to many countries rapidly and it becomes a serious health problem. In addition, this disease affects the quality of a person's life. Therefore, it is crucial to decrease the spread rate with the quick determination of the disease. In order to identify monkeypox rapidly, deep learning models are used. They are named EfficientNetB3, ResNet50, and InceptionV3 respectively. According to the results of the three models, ResNet50 is the best model when they compare aspects of performance. The accuracy of ResNet50 sets %94.00. There are four parameters that are used to evaluate the performance of the models. There are called precision, recall, f1-score, and support. These models demonstrate that monkeypox can be classified with high precision. Therefore these models can be used for the future of the work.