3 boyutlu kentsel alan nokta bulutlarının derin öğrenme tabanlı sınıflandırılması için veri seti ve yöntem geliştirilmesi
Dataset and method development for deep learning-based classification of three dimensional urban point clouds
- Tez No: 1011678
- Danışmanlar: DOÇ. DR. ANİME MELİS UZAR
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: 3D lazer, Evrişimli sinir ağları, Yapay sinir ağları, Üç boyutlu haritalar, 3D laser, Convolutional neural networks, Artificial neural networks, Three dimensional maps
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Üç boyutlu (3B) veri toplama ve işleme ile birlikte yapay zeka ve derin öğrenme alanındaki gelişmeler; nesnelerin konumsal dökümantasyonunun sağlanarak akıllı şehir ve kentsel alan yönetimi konularını desteklemektedir. Bununla birlikte, konumsal dökümantasyon ve envanter çıkarımı uygulamaları için az sayıda örneklerle temsil edilen nesnelerin belirlenmesi de ayrı bir ihtiyaç ve araştırma konusu olmuştur. Nesnelere ait 3B konum bilgisinin sunulabilmesi için operatör tarafından yoğun ve hassas yürütülen sayısallaştırma/etiketleme süreçleri yerine yapay zeka ve derin öğrenme temelli yöntemler hem hızlı hem de yüksek doğrulukta sonuç üretmektedir. Bu tez çalışması kapsamında, bir insansız hava aracı kullanılarak fotogrametrik yöntemlerle elde edilen yeni bir 3B nokta bulutu semantik segmentasyon veri seti YTU3D ile dünyanın farklı bölgelerinden toplanmış, az sayıda örneklerle temsil edilen nesneleri barındıran ve nesne sınıflandırma amacıyla kullanılacak olan ESTATE adlı iki veri seti oluşturulmuştur. Oluşturulan veri setlerinin semantik segmentasyon amacına uygunluğunun değerlendirilebilmesi adına farklı derin öğrenme mimarileri kullanılmıştır. Çok-Düzeyli Çok-Ölçekli sınıflandırma yaklaşımı derin öğrenme yöntemlerine uyarlanarak YTU3D veri setindeki performans değişimi ele alınmıştır. Bu veri setlerinin yanısıra 3B nesne sınıflandırma veri setiyle eğitilmiş bir derin öğrenme modeli 3B semantik segmentasyona uyarlanarak yönelik yeni bir yaklaşım önerilmiştir. Ek olarak, mevcut derin öğrenme yöntemlerinin performansını geliştirmek adına Yerel Bağlamsal Dikkat (YBD) adında bir blok/mekanizma tasarlanarak Ocak-2026 itibariyle STPLS3D ve Hessigheim3D veri setinde en yüksek sınıflandırma skoruna, Toronto3D veri setinde ise en yüksek 2. sınıflandırma skoruna sahiptir. Geliştirilen veri setleri ve yöntemler açık bilim politikası ve yeniden üretilebilirlik ilkeleri doğrultusunda açık kaynaklı olarak paylaşılmıştır.
Özet (Çeviri)
Advances in three-dimensional (3D) data acquisition and processing, together with developments in artificial intelligence (AI) and deep learning, have significantly contributed to spatial documentation of objects, thereby supporting smart city applications and urban environment management. However, identifying objects represented by limited samples remains a critical need and an open research problem, particularly in applications related to spatial documentation and inventory extraction. To provide accurate 3D spatial information of objects, AI- and deep learning-based approaches offer both efficiency and high accuracy, replacing labor-intensive and operator-dependent digitization and labeling processes. Within the scope of this thesis, two novel datasets have been developed. The first, YTU3D, is a 3D point cloud semantic segmentation dataset generated using photogrammetric methods from unmanned aerial vehicle (UAV) imagery. The second, ESTATE, is a 3D object classification dataset compiled from multiple regions worldwide, specifically designed to include objects represented by limited samples. To evaluate the suitability of these datasets for semantic segmentation tasks, various deep learning architectures have been employed. Furthermore, a Multi-Level Multi-Scale classification framework has been adapted to deep learning methods, and its impact on performance over the YTU3D dataset has been analyzed. In addition to dataset contributions, a novel approach is proposed by adapting a deep learning model trained for 3D object classification to the task of 3D semantic segmentation. Moreover, to enhance the performance of existing deep learning methods, a novel module termed Local Contextual Attention (LCA) has been designed. As of January 2026, the proposed approach achieves the highest classification performance on the STPLS3D and Hessigheim3D datasets, and the second-highest performance on the Toronto3D dataset. All developed datasets and methods have been made publicly available in accordance with open science and reproducibility principles.
Benzer Tezler
- Derin öğrenme ile nokta bulutu üzerinden bina çatı tiplerinin sınıflandırılması
Classification of building roof types through point cloud with deep learning
MERVE YILDIRIM
Yüksek Lisans
Türkçe
2022
Jeodezi ve FotogrametriKaradeniz Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. FEVZİ KARSLI
- İHA görüntülerinden üretilen sayısal yüzey ve arazi modellerinin lidar ve sayısal fotogrametri yöntemleri ile karşılaştırmalı analizi
Comparative analysis of digital surface and terrain models generated from UAV images with lidar and digital photogrammetry methods
AKIN BARUN
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. TAŞKIN KAVZOĞLU
PROF. DR. UMUT GÜNEŞ SEFERCİK
- Toplu konut alanlarında simgesel performansa yönelik kullanım sonrası değerlendirme modeli
The post-occupancy evaluation model considering symbolic performance in mass housing settlements
ONUR KARAGENÇ
Doktora
Türkçe
2002
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. S. METE ÜNÜGÜR
- Düşey mülkiyet haklarının 3-boyutlu yönetimi için yapı bilgi modellemesi (Bim)-tabanlı bütünleşik bir modelin geliştirilmesi ve üç-parçalı döngü yaklaşımı
Development of a building information modeling (Bim)-based integrated model for 3-dimensional management of vertical property rights and tripartite cycle proposal
DOĞUŞ GÜLER
Doktora
Türkçe
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. TAHSİN YOMRALIOĞLU
- Yersel lazer tarayıcılardan elde edilen veriler kullanılarak otomatik nesne çıkarımı
Automati̇c object extraction usi̇ng terrestrial laser scanner data
RESUL ÇÖMERT
Yüksek Lisans
Türkçe
2014
Jeodezi ve FotogrametriAnadolu ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
YRD. DOÇ. DR. UĞUR AVDAN