Airplane detection and identification based on mask region convolution neural network
Üzerine göre uçak tespit ve tip tanimlama mask region convolution neural network
- Tez No: 638691
- Danışmanlar: DR. MUSTAFA HELVACI
- Tez Türü: Yüksek Lisans
- Konular: İletişim Bilimleri, Communication Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: İletişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Uydu Haberleşmesi ve Uzaktan Algılama Bilim Dalı
- Sayfa Sayısı: 111
Özet
Seyahat etmek insanlar için kritik bir ihtiyaçtır. İnsanlar yaşamlarını geliştirmek, tehlikelerden kaçmak, akrabalarını ziyaret etmek, eşyalarını taşımak ve acil durumlarda birilerine yardım ulaştırmak veya onları kurtarmak gibi birçok nedenle yaşamları boyunca seyahat etmeye ihtiyaç duyarlar. Seyahat etmek ve eşya taşımacılığı için hava, kara ve deniz gibi farklı yollar vardır; ancak bu yolların güvenlik, fiyat ve hız konusunda değerlendirilmesi söz konusu olduğunda, insanlar için en iyi seçenek havacılıktır. 2000'li yılların ortasından itibaren, hava taşıtı işletmeleri tarafından uygulanan her şey dahil uçak seferleri de devamlı olarakartmıştır ve bu uygulamaların 40.3 milyona varması beklenmektedir. Uçak seferlerindeki bu çarpıcı büyüme, yeni varış noktaları ortaya çıkarır. Bu, ayrıca havalimanlarına büyük baskı yükler ve uçak seferlerinde trafik sıkışıklığına neden olur. Türkiye'yi bu durumun önemine işaret etmek için çalışma örneği olarak ele alalım. Türkiye çoğunluğu uluslararası olmak üzere 57'den fazla havalimanına sahiptir. Daha kesin ve açık olması için en kritik ve modern havalimanı olan İstanbul Havalimanı'ndan bahsedelim. İstanbul Havalimanı geçen yıl 50 milyon yolcuya hizmet vermiştir, ki bu büyük bir sayıdır ve hava trafiği organizasyonunda büyük bir çaba gerektirir. Buradaki asıl önemli nokta ise bu sayı hala artmaktadır. Araştırmalara göre, bu sayı 60 milyonlara varabilir, ve görülen o ki havalimanında kullanılan modern teknoloji de bu durumla baş edebilir; ancak ya bu sayı artmaya devam ederse, ne olur! Günden güne artan uçak seferleri sayısı hava trafik kontrol sistemleri üzerinde baş edilmesi güç, büyük bir baskı yaratır, bu yakın gelecekte de artacağı tahmin edilen bir sayıdır, nitekim hava trafik kontrolü için farklı bir method temin etmek bu günlerde istek uyandırmaktadır. Bu sorunu çözmek için kullanılan yaklaşımlardan biri, uydu görüntülerini derin öğrenme yaklaşımıyla ve kamu uydu kaynaklarından toplanan veri kümeleriyle birlikte değerlendiren uçak algılama yöntemidir [14]. Bu tür çözüm yöntemleri verilerinin kaynağı olarak uydu kullandıklarından dolayı evrensel değildir. Bununla birlikte, uydu görüntülerini hazırlamak görüntü işleme teknikleri kullanımı yüzünden çok zaman alır, dolayısıyla bu çözüm maliyette ve zamanda kayıp içerir. Burada, insansız uçak veri kümesini kullanan yöntem yerine, dünya üzerindeki kendi uydusu için modern teknolojiye sahip olmayan herhangi bir ülke bu çözümü uçuşlardaki trafik sıkışıklığında kendilerini güvenli hale getirmek için kullanabilir. Burada kullanılan teknik daha hızlı RCNN'yi baş sinir ağ yapılarında basit, kritik değişikliklerle yapı tabanı olarak alır ve uçak olup olmadığını tespit etmeye izin veren maske kestirimi ekler, yüzey alanı ve her uçağın uzunluğunu kestirir, buMASK RCNN algoritmasıdır, böylece trafik kontrol doğru ve kesin olur. Görüntü görüntüleme açısından 100%, 90% ve 80% skorlarına varan mükemmel algılama sonuçları vardır; ancak %50 gibi düşük bazı skorlar da mevcuttur. Değerlendirme COCO metrik açısından, uydu görüntüleri kullanan diğer araştırmacıların sonuçları ile kıyaslandığında vaat edilen değerleri vermektedir. Araştırmanın benzersiz yönü, burada kullanılan tekniğin dünyanın herhangi bir havaalanında uygulanabilmesidir. Havalimanının ihtiyaçları doğrultusunda belirlenen, her zaman diliminde sisteme sabit görüntüler sağlayan insansız hava araçlarına havalimanının belirli yerlerinde gerek duyulmaktadır. Diğer teknikler bunu yapabilmek için maliyet ve karmaşıklık açısından büyük farka neden olan uydulara ihtiyaç duyarlarken, insansız hava araçları herkes tarafından her yerde kullanılarak bu görüntüleri elde edebilir. Uydu ile görüntüleri elde etmek, farklı gereksinimlere cevap vermek ve çalışmak daha zordur. Burada kullanılan teknik, havaalanındaki her bir uçağın yüzey alanını kesin olarak belirlemede önemli bir avantaj sağlar. Bu avantaj, son derece hassas uçuş kontrolüne imkan verir. Havaalanı görevlileri uçağın yüzey alanı hakkında bilgi sahibi olarak, uçak tipini, üreticisini ve özelliklerini belirleyebilirler. Bu çalışmada esas olarak insansız hava uçak görüntüleri veri kümesi olarak kullanılmıştır. Dolayısıyla, doğrudan görüntülerle ilgili bir çalışma yoktur, ek olarak bir kıyaslama noktası oluşturmak için uydu görüntüleri de değerlendirilmiştir. Bu çalışma, uydu görüntüleri kullanılarak yapılan çalışmalara kıyasla yakın sonuçlar vermiştir.
Özet (Çeviri)
Traveling is a critical need for humans. Throughout their lives, humans need to travel for many reasons such as improving their lives, escaping from imminent danger, visiting their relatives, stuff transporting, and emergency cases such as giving someone help or rescue others. There are different ways for traveling and stuff transportation; air, land, and sea, but when comparing them through safety, cost, and speed, the best choice for most people is flying. The number of flights performed all-inclusive by the aircraft business increased consistently since the mid-2000s, and it is expected to reach 40.3 million this year. So to handle such dramatical growth, a lot of new fight routes are generated, which puts massive pressure on airports and causes high traffic jams at airports. To point this status, let us take Turkey as a case of study. Turkey has more than 57 airports; most of them are international airports. To be more specific, let us take the most critical and modern airport, Istanbul airport. This airport served more than 50 million passengers last year, which is a considerable number that requires a huge effort in organizing the air traffic. The point which is essential here is that this number is continually increasing and is expected to reach 60 million in the future, which seems that it could be handled according to modern technology used in this airport, but what if this number keeps increasing! The increasing number of flights performed per day puts excessive pressure on the air traffic control system. Thus, providing a method to support ground traffic control is desirable. One of the methods used to solve this issue is airplane detection using satellite images with a deep learning approach where the dataset is collected from public satellite sources[14]. Using such methods is not a universal solution because they are using satellites as a source of their data. Also, preparing satellite images takes a long time to prepare them using image processing techniques. Thus, these approaches have a high cost and a long operating time. In the method used here, the drones dataset is used, which is cheap to be acquired and fast to be processed, so any country in the world, especially those that do not have modern technology to own a satellite, can use this solution to help them control the traffic jam. MASK RCNN algorithm is the technique used here. It has a faster R-CNN as its building base with simple critical modifications on its head neural network constructions. Then it adds masks estimation, which allows us to detect whether there is an airplane or not, and helps in the estimation of the surface area and length of each plane so that the traffic control will be more accurate. In terms of image visualizations, there are perfect results of detection within scores of 100%, 90s%, and 80s%. And there are some with low score detections, such as 50s%. The evaluation gave promised values in terms of COCO metrics compared with other researchers' results.
Benzer Tezler
- Emergency safe landing trajectory planning and control of a damaged airplane
Hasarlı bı̇r uçağın acı̇l güvenlı̇ ı̇nı̇ş yörünge planlaması ve kontrolü
DAVOOD ASADIHENDOUSTANI
Doktora
Farsça
2014
Havacılık MühendisliğiAmirkabir University of TechnologyHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHDİ SABZEHPARVAR
- Target detection and tracking from unmanned aerial vehicle cameras using embedded GPU
Gömülü cihazlar kullanarak insansız hava araçları üzerinden hedef tespit ve takibi
FIRAT MEHMETOĞLU
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YAHYA KEMAL BAYKAL
- Identification and localization on a wireless magnetic sensor network
Kablosuz bir manyetik algılayıcı ağında hedef tanıma ve konum belirleme
SAJJAD BAGHAEE
Yüksek Lisans
İngilizce
2012
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ELİF UYSAL BIYIKOĞLU
YRD. DOÇ. DR. SEVGİ ZÜBEYDE GÜRBÜZ
- Automatic airplane detection using deep learning techniques and very high-resolution satellite images
Derin öğrenme teknikleri ve çok yüksek çözünürlüklü uydu görüntüleri kullanılarak otomatik uçak tespiti
BAKARY TRAORE
Yüksek Lisans
İngilizce
2020
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
Prof. Dr. ELİF SERTEL
- Global appearance based airplane detection from satellite imagery
Uydu görüntülerinden bütünsel görünüş temelli uçak tespiti
DUYGU ARSLAN
Yüksek Lisans
İngilizce
2012
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. A. AYDIN ALATAN