Farklı arka plan sahnelerine sahip sentetik açıklıklı radar (SAR) görüntülerinin açıklanabilir yapay zeka ve derin öğrenme özniteliklerinin füzyonu ile sınıflandırılması
Classification of synthetic aperture radar (SAR) images with different background scenes by fusion of explainable artificial intelligence and deep learning features
- Tez No: 1015621
- Danışmanlar: DOÇ. DR. OSMAN TAYFUN BİŞKİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Burdur Mehmet Akif Ersoy Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, sentetik açıklıklı radar (SAR) görüntüleri kullanılarak kara araçlarının çok sınıflı sınıflandırılması problemi ele alınmıştır. İlk aşamada, ATRNet-STAR veri seti kullanılarak ResNet50, DenseNet121, EfficientNet-B3 ve Xception modelleri karşılaştırılmış, 5 katlı çapraz doğrulama sonuçlarına göre DenseNet121 modeli %98.20 doğruluk ile en yüksek performansı göstermiştir. İkinci aşamada, EOC_scene veri seti üzerinde VGG16 tabanlı model ile Grad-CAM tabanlı dikkat özniteliklerinin birleştirildiği Fusion512 ve Fusion128 hibrit modelleri geliştirilmiştir. Deneysel sonuçlar, önerilen hibrit modellerin özellikle karmaşık sahne koşullarında temel VGG16 modeline göre performans iyileşmeleri sağladığını göstermiştir. Özellikle bazı senaryolarda doğruluk, kesinlik, duyarlılık ve F1-skoru artışları elde edilmiş, Fusion512 modelinin belirli test koşullarında daha yüksek ROC-AUC performansı gösterdiği belirlenmiştir. Elde edilen bulgular, dikkat tabanlı özniteliklerin modele dahil edilmesinin hem sınıflandırma başarımını hem de model açıklanabilirliğini desteklediğini ortaya koymuştur. Sonuç olarak, önerilen hibrit yaklaşımın SAR görüntülerinden araç sınıflandırmada etkili ve uygulanabilir bir yöntem sunduğu değerlendirilmiştir.
Özet (Çeviri)
This thesis addresses the problem of multi-class classification of land vehicles using synthetic aperture radar (SAR) images. In the first stage, the ResNet50, DenseNet121, EfficientNet-B3, and Xception models were compared using the ATRNet-STAR dataset. According to the 5-fold cross-validation results, the DenseNet121 model showed the highest performance with %98.20 accuracy. In the second stage, hybrid models Fusion512 and Fusion128 were developed, combining the VGG16-based model with Grad-CAM-based attention features on the EOC_scene dataset. Experimental results showed that the proposed hybrid models provided performance improvements compared to the basic VGG16 model, especially in complex scene conditions. In particular, increases in accuracy, precision, sensitivity, and F1-score were obtained in some scenarios, and it was determined that the Fusion512 model showed higher ROC-AUC performance under certain test conditions. The findings revealed that the inclusion of attention-based features in the model supports both classification performance and model explainability. In conclusion, the proposed hybrid approach was evaluated as offering an effective and feasible method for vehicle classification from SAR images.
Benzer Tezler
- Restoring underwater images from turbidity and motion blur – a three-step framework
Bulanıklık ve hareketten etkilenmiş sualtı görüntülerinin iyileştirilmesi – üç adımlı bir yaklaşım
FATIMA IQBAL
Yüksek Lisans
İngilizce
2026
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
PROF. DR. SERHAT KÜÇÜKALİ
- Erken Hristiyan ve ilk Bizans resim ve kabartma sanatında kaynak ve okullar (2 cilt)
Sources and school of painting and sculpture during the early Christian and first Byzantine period
AHMET MEHMET KİPMEN
- Seyirci-mekan-performans ilişkisi bağlamında dönüşen alternatif tiyatro mekanları: İstanbul Kumbaracı50 örneği analizi
Alternative-transformed theatre spaces in the context of audience-space-performance relationship: An analysis of the Kumbaraci50 case in İstanbul
AYCAN KIZILKAYA
Doktora
Türkçe
2025
MimarlıkMimar Sinan Güzel Sanatlar Üniversitesiİç Mimarlık Ana Bilim Dalı
DOÇ. DR. ESİN SARIMAN ÖZEN
- İstanbul'un tarihî çevresinin değişimi üzerine sinematografik bir inceleme
A cinematographic examination of the transformation of Istanbul's historic environment
LEILA NOROUZI HASANBAROUGH
Doktora
Türkçe
2026
MimarlıkMimar Sinan Güzel Sanatlar ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. BURCU SELCEN COŞKUN
- Designing for ludonarrative harmony: A framework-based evaluation of interactive storytelling
Ludonaratif uyum için tasarım: Etkileşimli anlatının sistematik bir çerçeve ile değerlendirilmesi
CEM ÇELİK
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. AYŞEGÜL AKÇAY KAVAKOĞLU