Derin öğrenme tabanlı afet sonrası hava görüntülerinden hasar tespiti ve yol çıkarımı
Post-disaster damage detecti̇on and road extraction from aeri̇al images using deep learni̇ng
- Tez No: 1006316
- Danışmanlar: DOÇ. DR. NESRİN AYDIN ATASOY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yıkıcı doğal afetlerin ardından arama-kurtarma ve lojistik faaliyetlerin etkin yönetimi için durumsal farkındalığın ivedilikle sağlanması hayati önem taşımaktadır. Bu bağlamda, İHA ve uydu görüntüleri kullanılarak yapısal hasarların nesne tabanlı tespiti ve ulaşım ağlarının anlamsal segmentasyonu üzerine derin öğrenme tabanlı bütünleşik bir analiz gerçekleştirilmiştir. Çalışmada, hasar tespiti için YOLO ailesine ait güncel mimariler (YOLOv8, YOLOv9, YOLOv10, YOLOv11 ve YOLOv12) karşılaştırmalı olarak incelenirken; yol segmentasyonu için EfficientNet-B7 omurgası ile güçlendirilmiş U-Net, U-Net++, DeepLabV3+, FPN ve SegFormer modelleri eğitilmiştir. Elde edilen deneysel bulgular, YOLOv12s modelinin 0.6190 mAP50 skoru ve 0.7231 duyarlılık oranı ile enkaz ve hasarlı bina tespitinde test edilen modeller arasında en üstün performansı sergilediğini; U-Net++ mimarisinin ise sahip olduğu iç içe geçmiş atlamalı bağlantı yapısı sayesinde yol topolojisinin sürekliliğini korumada ve karmaşık kavşak detaylarını çözümlemede diğer yöntemlere kıyasla daha başarılı olduğunu ortaya koymuştur.
Özet (Çeviri)
Rapid and effective establishment of situational awareness following destructive natural disasters is of vital importance for the success of search-and-rescue and logistics operations. In this context, an integrated deep learning-based analysis was conducted for object-based detection of structural damages and semantic segmentation of transportation networks using UAV and satellite imagery. In the study, while state-of-the-art architectures of the YOLO family (YOLOv8, YOLOv9,YOLOv10, YOLOv11, and YOLOv12) were comparatively examined for damage detection, U-Net, U-Net++, DeepLabV3+, FPN, and SegFormer models reinforced with an EfficientNet-B7 backbone were trained for road segmentation. The experimental findings revealed that the YOLOv12s model exhibited the superior performance among the tested models in detecting debris and damaged buildings with an mAP50 score of 0.6190 and a recall rate of 0.7231, whereas the U-Net++ architecture proved to be more successful than other methods in preserving road topological continuity and resolving complex intersection details thanks to its nested skip connection structure.
Benzer Tezler
- Afet sonrası yapı hasarlarının uzaktan algılama görüntüleri ile semantik segmentasyon tabanlı değerlendirilmesi
Post-disaster structural damage assessment based on semantic segmentation using remote sensing images
SERHAT ALPERGİN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SİRAÇ ÖZERDEM
DOÇ. DR. HASAN POLAT
- Afetten etkilenen bölgelerin ve binaların hava görüntülerinden derin öğrenme tabanlı belirlenmesi
Deep learning-based detection of affected areas and buildings from aerial images in disaster zones
ABDULLAH ŞENER
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURHAN ERGEN
- Effect of expanding bounding box annotations on small object detection performance in aerial imagery
Sınırlayıcı kutu etiketlerinin büyütülmesinin havadan çekilen görüntülerde küçük nesne tespiti performansına etkisi
MUSTAFA UĞUR
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Uzaktan alınan görüntülerden afet yönetimi ve durum analizi için yapay zeka tabanlı yöntemlerin geliştirilmesi
Development of artificial intelligence-based methods for disaster management and situation analysis from remotely obtained
YÜSRA KARABULUT
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN AYDIN
- Deep learning-based building segmentation using high-resolution aerial images
Yüksek çözünürlüklü hava görüntüleri kullanarak derin öğrenme temelli bina bölütlemesi
BATUHAN SARITÜRK
Doktora
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER