On the analysis of deep convolutional neural networks applied to building detection in satellite images
Uydu görüntülerinde bina tanımaya uygulanan derin evrişimsel sinir ağlarının çözümlemesi üzerine
- Tez No: 416606
- Danışmanlar: PROF. DR. FATOŞ TUNAY YARMAN VURAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Derin öğrenme daha karmaşık ve soyut kavramların öğrenilmesi için, son dönemde büyük ilgi kazanmıştır. Öğrenilmek istenen kavramlar soyutlaştıkça, bu kavramların ham girdi uzayında yerleştiği bölgenin topolojisi de değişken hale gelmektedir. Bir çok durumda, sığ mimariler değişken fonksiyonları öğrenememektedir. Uzaktan algılama bu tür soyut ve karmaşık kavramların öğrenilmesinin gerekli olduğu alanlardan biridir. Bu tezde, derin mimarilarin uydu görüntülerine uygulandıklarındaki performans ve uygunluğu analiz edilmiştir. Bu tezin temel analiz öğesi olan mimari Derin Evrişimsel Sinir Ağlarıdır. Derin Evrişimsel Sinir ağlarının başarısı bir çok örüntü tanıma probleminde kanıtlanmıştır. Bu işlevlerden bazıları çek okuma, elyazısı tanımlama ve yüz tanımlama olarak gösterilebilir. Bu tezde belirli bir Derin Evrişimsel Sinir Ağı mimarisi odak noktası olarak seçilmiş ve denetlemeli öğrenmeyle eğitilmiştir. Bunun sonucunda \%90 ortalama kesinlik oranı elde edildi. Bu rakam uzaktan algılamada Derin Evrişimsel Sinir Ağlarının kullanımı konusunda umut vermektedir. Kullandığımız Derin Evrişimsel Sinir Ağı modellerinin ne tür kavramları öğrendiğini daha iyi anlayabilmek amacıyla sonöncesi katman çıktıları üzerinde çeşitli ölçümler yapıldı. Elde edilen yüksek kesinlik oranlarına rağmen, bu ölçümler seçtiğimiz mimarinin yüksek seviye öznitelikleri öğrenemediğini ortaya koymaktadır.
Özet (Çeviri)
Deep Learning has gained much interest recently, probably induced by the requirements to learn more complex and abstract concepts. As concepts to be learned become more abstract, their regions in the raw input space also become highly variational. In many cases, shallow architectures fail to learn highly variational functions. One area of interest where concepts to be learned are complex is remote sensing. In this thesis, performance and suitability of deep architectures for recognition of building patches in satellite images are analyzed and discussed. Main architecture that is the subject of interest in this thesis is Deep Convolutional Neural Networks. Deep Convolutional Neural Networks has proven to be state of the art machine learning systems in several pattern recognition tasks such as bank check reading, handwriting recognition and face detection. We focus on a particular CNN architecture and trained a Deep Convolutional Neural Network with fully supervised stochastic gradient descent. We obtained a classification accuracy of 90 percent on average which is promising for deep learning implementations on the Remote Sensing Domain. Several measurements on the penultimate layer activations has been employed to reveal insights about what the models learn. Despite seemingly high accuracy results, these measurements put forward that the architecture we pick is unable to learn high level features.
Benzer Tezler
- Derin öğrenme ile yüz tanıma
Face recognition with deep learning
FATIMA ZEHRA ÜNAL
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET SERDAR GÜZEL
- Sayısal video ve çizim verilerinde anlamsal kavram tanıma
Semantic concept recognition in digital video and sketch data
EMEL BOYACI
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA SERT
- Zaman serisi verilerinin derin yapay sinir ağları ile analizi ve eniyilemesi: Finansal tahmin algoritmaları
Analysis and optimization of the time series data with deep artificial neural networks: Financial estimation algorithms
ÖMER BERAT SEZER
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTobb Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET MURAT ÖZBAYOĞLU
- Skin lesion classification using deep convolutional neural network and HSV color space
Derin evrişimsel sinir ağı ve HSV renk uzayı kullanarak cilt lezyonlarının sınıflandırılması
TAMERLAN NUSRADDINOV
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Fine-tuning convolutional neural networks for maritime vessel classification, verification and recognition
Evrişimli sinir ağlarında eğitim transferi ile gemi sınıflandırma, doğrulama ve tanıma
CAHİT DENİZ GÜRKAYNAK
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. NAFİZ ARICA