Geri Dön

Derin öğrenme ile yüksek çözünürlüklü hava görüntülerinde yolların tespit edilmesi

Road detection in aerial images with deep learning

  1. Tez No: 572614
  2. Yazar: FİGEN ÖNÜN
  3. Danışmanlar: DOÇ. DR. GALİP AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Ekobilişim Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 92

Özet

Derin öğrenme, önceden bilinen veri setleri üzerinde çok katmanlı yapay sinir ağı ile modelleme yapar. Bilinmeyen veriler için özelliklerin öğrenimi yardımıyla analiz ve sınıflandırma yapılmasına olanak sağlayan makine öğrenmesi algoritmalarını temel alan bir yaklaşımdır. Yapay zekâ teknolojisinin hayatımızda kullandığımız cihazlarda kullanılırlığının artması sonucunda derin öğrenme ortaya çıkmış ve bu anlamda yapılan çalışmalar gün geçtikçe artmaya devam etmiştir. Derin öğrenme teknolojileri sayesinde nesne tanıma ve bu nesnelerin analizi sonucunda sınıflandırma çalışmaları gün geçtikçe hız kazanmıştır. En temel derin öğrenme algoritmaları konvolüsyonel sinir ağları ve çok katmanlı yapay sinir ağları olmuştur. Analiz çalışmalarında özellikle görüntü işleme alanında derin öğrenme algoritmaları yaygın bir şekilde kullanılmıştır. Bu tez çalışmasında, derin öğrenme alanında önemli bir yeri olan yüksek çözünürlüklü hava görüntülerinin Evrişimsel Sinir Ağları ile analiz edilmesi ve yolların tespiti konusu işlenecektir. Bu çalışma ile büyük boyutlu hava görüntülerinin işlenebilir resim boyutuna gelmesi için bölümlenerek işlenmesi ve veri seti elde edilmesi sağlanmıştır. Hazırlanan bu veri seti eğitilerek daha sonra test amaçlı ayrılan verilerin Derin Öğrenme Unet ağ modeli ile istenilen yolların tespiti gerçekleştirilmiştir. Türkiye için derin öğrenme çalışmalarında kullanılabilecek veri seti oluşturma yöntemleri sunulmuştur. Eğitilen sinir ağının yaptığı tahminleme sonucunda görüntüdeki yol ağının HAVERSINE ve BEARING formülleri kullanılarak geliştirilen algoritma ile coğrafik verileri çıkarılmıştır Bu çalışma sonucunda yüksek çözünürlüklü uydu görüntülerinde yolların tespitinde derin öğrenmenin başarılı sonuçlar verdiği gözlemlenmiştir.

Özet (Çeviri)

Deep learning is an approach based on machine learning algorithms that allows modeling and classification by means of learning the properties for unknown data by modeling with the multi-layer artificial neural network on previously known data sets. As a result of the increase in the usability of artificial intelligence technology in the devices we use in our lives, deep learning has emerged and the studies conducted in this sense have continued to increase day by day. Thanks to deep learning technologies, object recognition and analysis of these objects has accelerated the classification studies. The most basic deep learning algorithms were convulsive neural networks and multilayer artificial neural networks. Especially in the field of image processing, deep learning algorithms have been widely used in analysis studies. In this thesis, the analysis of high resolution aerial images with an important place in the field of deep learning by using Convolutional Neural Networks (CNNs) method and determination of roads will be discussed. With this study, it is ensured that the large-size aerial images can be processed and processed in order to achieve the workable image size. This data set was prepared and then the test was carried out with various deep learning network models. Creating data sets can be used in methods of deep learning activities for Turkey is presented. As a result of the estimation of the trained neural network, the geographic data of the road network in the image was obtained by using the algorithm developed by using HAVERSINE and BEARING formulas. As a result of this study, it has been observed that deep learning has yielded successful results in the detection of roads in high resolution satellite imagery.

Benzer Tezler

  1. Deep learning based road segmentation from multi-source and multi-scale data

    Çok kaynaklı ve çok ölçekli veriyle derin öğrenme tabanlı yol bölütlenmesi

    OZAN ÖZTÜRK

    Doktora

    İngilizce

    İngilizce

    2023

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. DURSUN ZAFER ŞEKER

  2. Road geometry extraction with fusion of low resolution satellite imagery and GPS trajectory using deep learning methods

    Düşük çözünürlüklü uydu görüntüleri ve GPS rotaları birleştirilmesi ve derin öğrenme yöntemleri kullanılarak yol geometrilerinin tespiti

    NECİP ENES GENGEÇ

    Doktora

    İngilizce

    İngilizce

    2024

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ERGİN TARI

  3. Detection and quantification of pavement defects using unmanned aerial vehicle imagery

    İnsansız hava aracı kullanılarak elde edilen görüntülerden yol yüzeyi hasarı tespiti

    TUĞBA YILDIZLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    İnşaat MühendisliğiHacettepe Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURCU GÜLDÜR ERKAL

  4. Aircraft detection using deep learning

    Derin öğrenme kullanarak hava aracı tespiti

    UTKU MUTLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. SEDEF KENT PINAR

  5. Segmentation of satellite sar images using squeeze and attention based deep networks

    Uydu-bazlı sar imgelerınde kısık dıkkat odaklı derin ögrenme kullanan segmentasyon algoritması

    ELMIRA KHAJEI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM KÖRPEOĞLU