Cloud coverage prediction with deep learning methods
Derin öğrenme ile bulutluluk tahmini
- Tez No: 507536
- Danışmanlar: DR. ÖĞR. ÜYESİ BUSE MELİS ÖZYILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin Öğrenme, Bulut Segmentasyonu, Konvolusyon Sinir Ağları, FCN, U-NET, Deep Learning, Cloud segmentation, Convolutional Neural Networks, FCN, U-NET
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, derin öğrenme yöntemleriyle bulut görüntülerinin sınıflanması ve segmentasyonu uygulanmıştır. Tezde kullanılan tüm görüntüler TUBİTAK Ulusal Gözlemevi Bakırlıktepe Kampüsünden, Çukurova Üniversitesi Uzay Bilimleri ve Güneş Enerjisi Araştırma ve Uygulama Merkezinden, ve Singapur Tüm Gökyüzü Görüntüleme Kategorileri veritabanından elde edilmiştir. Bu çalışmanın temel amacı, geleneksel görüntü işleme yöntemlerini derin öğrenme teknikleri ile kıyaslamaktır. İlk olarak, iki sınıflı sınıflandırma çalışması yapılmıştır. Bu çalışma ile bulut resimleri ile bulut içermeyen resimlerin ayrıştırılması amaçlanmıştır. Tahmin ve sınıflama işlemlerinde Konvolusyonel Sinir Ağlar ve SoftmaxWithLoss fonksiyonundan yararlanılmıştır. Eğitim aşamasında, modelin ince ayar ile eğitiminden sonra %92 oranında doğruluk elde edilmiştir. Daha sonraki aşamada, bulut görüntüleri üzerinde görüntü işleme teknikleri kullanılarak tespit ve segmentasyon işlemi yapılmıştır. Bu aşamada, kenar tespit yöntemleri ve watershed algoritması uygulanmıştır. Üçüncü aşamada ise segmentasyon için Tam Konvolüsyonel Ağlar (TKA, FCN) ve U-NET derin öğrenme yöntemleri uygulanmıştır. İki farklı derin öğrenme yöntemi ile bulut görüntülerin segmentasyonu sağlanmıştır. U-NET ile eğitim aşamasında Dice katsayısı olarak %87, kayıp olarak ise %45 bulunmuştur. FCN ağı ise stokastik eğim düşüm, Adam's momentum ve Nesterov momentum teknikleri olmak üzere farklı eğitim yöntemleri uygulanmış ve en yüksek başarı Adam's momentum tekniği ile %63.12 olarak elde edilmiştir.
Özet (Çeviri)
In this work, cloud images classification and segmentation have been implemented by using Deep Learning techniques. All images utilized in this thesis were obtained from TUBITAK National Observatory Bakirliktepe Campus, Cukurova University Space Science and Solar Energy Research and Application Center, and Singapore Whole-sky Imaging CATegories database. The main goal of our study is to compare the traditional image processing results with the Deep learning techniques. Firstly, two classes' classification solutions have been used. Our goal was to separate the cloud images from the others. We highlighted on Convolutional Neural Network (CNN) as classification and on SoftmaxWithLoss for the prediction. During our training phase, 92% accuracy has been scored as after fine-tuning our model. Secondly, some image processing techniques have been used to detect and segment the cloud images. Some edge detectors and watershed techniques have been implemented. Thirdly, some segmentation solutions have been proposed. Fully Convolutional Network (FCN) and U-NET have been used in this thesis. Two different methods of Deep Learning have been proposed to segment the cloud images and then make the prediction. Using U-NET model for the segmentation, 87% as dice coefficient and 45% as loss have been scored during the testing step. Different learning techniques were implemented on FCN such as stochastic gradient descent, Adam's momentum technique and Nesterov's momentum technique. The highest segmentation accuracy on FCN has been 63.12% with Adam's momentum technique.
Benzer Tezler
- Orman yanmış alanlarının derin öğrenme ile tespiti ve kısa vadeli yayılım simülasyonu
Deep learning-based detection of forest burned areas and short-term fire spread simulation
ŞEYMA NUR DİNÇ
Yüksek Lisans
Türkçe
2026
Mühendislik BilimleriGiresun ÜniversitesiAfet Yönetimi Ana Bilim Dalı
DOÇ. DR. MEHMET ALİ DERELİ
- Bulut tabanlı otonom sürüş sıstemlerınde görüntü işleme ıçın tam homomorfık şıfreleme yaklaşımı
A fully homomorphic encryption approach to image processing in cloud based autonomous driving systems
KAMRAN SAEED
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED FATİH ADAK
- Orta Anadolu'daki sulak alanların zamansal-mekansal değişim analizi ve gelecek projeksiyonları
Spatotemporal change analysis and future projections of wetlands in Central Anatolia, Türkiye
HİLAL DAŞDEMİR
Yüksek Lisans
Türkçe
2026
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ADALET DERVİŞOĞLU
- Pasif mikrodalga verileri üzerinden bir dolu tespit modelinin geliştirilmesi
Development of hail detection model using passive microwave data
ABDURRAHMAN DURMAZ
Yüksek Lisans
Türkçe
2025
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÖZTOPAL
- Estımatıon of daıly ground-level PM₂.₅ and PM₁₀ concentratıon usıng maıac aerosol optıcal depth at 1 km resolutıon ın türkıye
Türkiye'de 1 km çözünürlükte maıac aerosol optik derinliği kullanılarak günlük yer seviyesi PM₂.₅ ve PM₁₀ konsantrasyonunun tahmini
ARZU MERAL
Yüksek Lisans
İngilizce
2025
Çevre MühendisliğiHacettepe ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLEN GÜLLÜ