Geri Dön

Deep learning techniques for building density estimation from remotely sensed imagery

Uzaktan algılanan görüntülerde bina yoğunluğu tahmini için derin öğrenme teknikleri

  1. Tez No: 546650
  2. Yazar: NİLAY TUĞÇE SÜBERK
  3. Danışmanlar: PROF. DR. HASAN FEHMİ ATEŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Işık Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 75

Özet

Bu tez, derin öğrenme yöntemlerini uygulayarak uzaktan algılamalı optik görüntülerde bina yoğunluğunun noktasal olarak tahmin edilmesi ile ilgilidir. Projenin amacı, derin öğrenme ağına mimari değişiklikler uygulayarak ve arttırılmış eğitim verilerini kullanarak tahmini yoğunluğun ortalama kare hatasını azaltmaktır. Sonuçlarımız, hızlı ve doğru bina yoğunluğu tahmininin vanilya evrişimsel sinir ağlarını (CNN) kullanarak mümkün olduğunu göstermektedir. Sigmoid katmanının eklenmesi, ağın küçük veri kümesi ve veri büyütme için basitleştirilmesi, regresyondaki doğruluğunu arttırır. Veri büyütme, bu tez çalışmasında kök ortalama kare hatasını azaltmada en etkili yöntemdir.

Özet (Çeviri)

This thesis is about point-wise estimation of building density on the remote sensing optical imageries by applying deep learning methods. The goal of the project is to reduce mean square error of the estimated density by applying architectural modifications on the deep learning network and using augmented training data. Our results show that fast and accurate building density estimation is possible by using vanilla CNNs. Sigmoid layer addition, simplification of the network for small dataset and data augmentation improves accuracy in the regression. Data augmentation is the most effective method to reduce RMSE in this thesis.

Benzer Tezler

  1. Türkiye'de mülkiyet ve mülkiyet yönetiminin değerlendirilmesi

    Evaluation of property and property management in Türkiye

    MEHMET İŞİLER

    Doktora

    Türkçe

    Türkçe

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA YANALAK

  2. Uzaktan algılama ve derin öğrenme yöntemleri ile İstanbul'un yerel iklim alanları ve yer yüzeyi sıcaklığı değişimleri arasındaki ilişkinin incelenmesi

    Investigation of the relationship between local climate zones and land surface temperature changes in İstanbul using remote sensing and deep learning methods

    MELİKE NİCANCI SİNANOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ŞİNASİ KAYA

  3. Bina enerji tüketim tahmini için makine öğrenmesi tekniklerinin incelenmesi

    Investigation of machine learning techniques for building energy consumption estimation

    HASAN YEŞİLYURT

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    EnerjiNiğde Ömer Halisdemir Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    DOÇ. DR. AHMET ŞAKİR DOKUZ

  4. Deep learning-based building segmentation using high-resolution aerial images

    Yüksek çözünürlüklü hava görüntüleri kullanarak derin öğrenme temelli bina bölütlemesi

    BATUHAN SARITÜRK

    Doktora

    İngilizce

    İngilizce

    2022

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. DURSUN ZAFER ŞEKER

  5. Çok yüksek çözünürlüklü hava fotoğraflarından derin ögrenme yöntemi ile bina bölütlemesi

    Building segmentation from very high resolution aerial imagery using deep learning

    NURAN ASLANTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilim ve TeknolojiYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT BAYRAM