İnsansız hava aracı ile elde edilen görüntülerin derin öğrenme yöntemleri ile analizi
Analysis of images obtained by unmanned aerial vehicle by deep learning methods
- Tez No: 579612
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖNDER DEMİR, DR. BARIŞ DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Teknik Eğitim, Computer Engineering and Computer Science and Control, Technical Education
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Kontrol Eğitimi Bilim Dalı
- Sayfa Sayısı: 69
Özet
Günümüz insansız hava aracı (İHA) teknolojisi savunma sanayii, eğlence ve film endüstrisi, taşımacılık(paket teslimatı) gibi çok farklı sektörlerde yer edinmiş durumdadır. Savunma ve havacılık sektörüne yönelik araştırmalar yapan Teal Group'un 16 Temmuz 2018 tarihli raporunda Sivil İnsansız Hava Sistemlerinin (UAS) rekor düzeyde girişim sermayesi çektiği ve bu on yılda dünya havacılık endüstrisinin en dinamik büyüme sektörü olacağı belirtiliyor. İnsansız hava araçlarının kontrol ve yönlendirilmesinde kullanılacak akıllı sistemler ise yapay zeka çalışmalarıyla yakından ilişkilidir. Son yıllarda yapay zekâ algoritmaları en çok araştırma yapılan ve uygulama geliştirilen çalışma alanlarından biridir. Yapay zekâ uygulamalarında makine öğrenmesi, yapay sinir ağları, sınıflandırma, kümeleme algoritmaları gibi birçok alt yöntem kullanılmaktadır. Bu yöntemlerden biri de derin öğrenmedir. Derin öğrenme gelişmiş bir makine öğrenmesi sınıfıdır. Derin Öğrenme yöntemi kullanılarak Video analizi, görüntü sınıflandırma, konuşma tanıma ve doğal dil işleme gibi alanlarda çok başarılı sonuçlar elde edilmektedir. Derin Öğrenme ve İnsansız hava araçları alanlarını kapsayacak projelerin sağlayacağı veriler ve tecrübeler, bu konularda yapılan nitelikli çalışmaların sayısını arttırarak ülkemizin bu teknolojilerde katma değeri yüksek ürünler geliştirilmesine katkı sağlayacaktır. Bu çalışmada, insansız hava araçlarından alınacak görüntü verisini değerlendiren ve çeşitli çıkarımlar (Sınıflandırma, konumlandırma, işaretleme) yapan bir kontrol yazılımı oluşturulmuştur. Önceden eğitilmiş yapay sinir ağı modellerinin son katmanlarının veri setimizle tekrar eğitilmesi yöntemi kullanarak eğitim süresi azaltılmaya ve başarı arttırılmaya çalışılmıştır. Yapılan çalışmalarda 2 ön eğitimli model kullanılmış bu modellerin eğitilmesi sonucu yapılan testlerde 190 bin adımlık eğitim sonucunda mAP değerleri olarak 25.39 ve 27.87 değerlerine ulaşılmıştır.
Özet (Çeviri)
Today's unmanned aerial vehicle (UAV) technology has taken place in many different sectors such as defense industry, entertainment and film industry, transportation (package delivery). Teal Group's research on the defense and aeronautics sector, July 16, 2018 report, Civil Unmanned Air Systems (UAS) is a record level of venture capital and the world's most dynamic growth sector in this decade is stated to be the most dynamic. Intelligent systems for controlling and directing unmanned aerial vehicles are closely related to artificial intelligence studies. In recent years, artificial intelligence algorithms are one of the most researched and developed applications. In artificial intelligence applications, many sub-methods such as machine learning, artificial neural networks, classification, clustering algorithms are used. One of these methods is deep learning. Deep learning is an advanced machine learning class. Using the Deep Learning method, video analysis, image classification, speech recognition and natural language processing are very successful. The data and experiences to be provided by the projects covering Deep Learning and Unmanned Aerial Vehicles will increase the number of qualified studies on these issues and contribute to the development of high value-added products in these technologies. In this study, a control software that evaluates image data from unmanned aerial vehicles and makes various inferences (classification, positioning, marking) is created. By using the method of retraining the last layers of the pre-trained artificial neural network models with our data set, it has been tried to reduce the training time and increase the success. In these studies, 2 pre-educated models were used and as a result of training of these models, as a result of 190 thousand steps of training, 25.39 and 27.87 mAP values were reached.
Benzer Tezler
- Videoların kurgusu ve özetlenmesi için derin öğrenme ile hareket analizi
Motion analysis with deep learning for editing and summarizing videos
AHMET SAMET HALICI
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE DEMİRHAN
- 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
2022
İnşaat MühendisliğiHacettepe Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURCU GÜLDÜR ERKAL
- Gelişmiş makine öğrenimi teknikleri ile çok zamanlı hava ve uydu görüntüleri kullanılarak mısır (Zea mays) türlerinin fenoloji tabanlı sınıflandırılması
Phenology- based classification of maize (Zea mays) species using multi̇- temporal aerial and satellite imagery with advanced machine learning techniques
OSMAN YAVUZ ALTUNTAŞ
Yüksek Lisans
Türkçe
2024
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL ÇÖLKESEN
- Semantic land cover and land use classification using deep convolutional neural networks
Derin evrişimsel sinir ağları ile arazi kullanımı ve arazi örtüsünün anlamsal sınıflandırılması
BERK GÜNEY
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Yüksek çözünürlüklü görüntülerde derin öğrenme tabanlı nesne tespiti için yeni bir önişleme yöntemi geliştirilmesi
Development of a new preprocessing method for deep learning based object detection in high resolution images
MUHAMMED TELÇEKEN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
PROF. DR. SEZGİN KAÇAR