Geri Dön

Derin öğrenme kullanarak uzaktan algılama görüntülerindeki nesnelerin tespiti

Detection of objects in remote sensing images using deep learning

  1. Tez No: 642206
  2. Yazar: ATAKAN KÖREZ
  3. Danışmanlar: PROF. DR. NECAATTİN BARIŞÇI
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 95

Özet

Son yıllarda arazi planlaması, şehir görüntüleme, trafik izleme, tarım uygulamaları gibi çok çeşitli alanlarda sıkça kullanılmaya başlayan insansız hava araçlarından çekilen görüntülerde nesne tespiti işlemi, hava ve uydu görüntü analizi alanında artan bir ilgi ile karşılanmaktadır. Bu tez çalışmasında, uzaktan algılama görüntülerindeki nesnelerin otomatik olarak tespit edilmesi için iki farklı nesne tespit modeli önerilmiştir. Önerilen ilk modelde, uzaktan algılama görüntüleri nesne tespiti konusunda oldukça başarılı sonuçlar almış olan Daha Hızlı Bölgesel Evrişimli Sinir Ağı (Daha Hızlı B-ESA) modeli yapısı temel alınmıştır. Bu yapının, insansız hava araçlarından çekilen görüntülerdeki nesne tespit performansının arttırılmasına yönelik geliştirmeler yapılarak önerilen model nihai duruma getirilmiştir. Önerilen ikinci model ise, üç farklı derin öğrenme nesne tespit modelinin optimize edilmiş katsayı ağırlıklı nesne tespiti yapmasına olanak sağlayan işbirlikçi bir nesne tespit modelidir. Önerilen her iki nesne tespit modelinin, etkinliği, verimliliği ve katkısı, uzaktan algılama görüntülerinden oluşan Northwestern Polytechnical University Very High Resolution 10 (NWPU-VHR10) veri seti üzerinde yapılan testlerde değerlendirilmiş ve sonuçları, bu tez çalışmasında detaylı olarak verilmiştir. Test sonuçları, literatürde aynı veri setini kullanan çalışmalara göre ilk modelin %1.7'lik, ikinci modelin ise %3.64'lük bir tespit başarısı artışı elde ettiğini göstermektedir. Böylece, uzaktan algılama görüntülerindeki nesne tespitinin zorluğunu ortadan kaldırabilecek iki yeni nesne tespit modeli önerilmiştir.

Özet (Çeviri)

The object detection in the images taken from unmanned aerial vehicles, which have been frequently used in various fields such as land planning, city imaging, traffic monitoring, agriculture applications, has been receiving an increasing interest in the field of air and satellite image analysis. In this thesis, two different object detection models are proposed to detect objects in remote sensing images automatically. The first model proposed is based on the Faster Regional Convolutional Neural Network (Faster R-CNN) model structure, which has received very successful results in remote sensing images object detection. The proposed model was finalized by making improvements to increase the object detection performance of the remote sensing images. The second proposed model is a collaborative object detection model that allows three different deep learning object detection models to perform optimized coefficient weighted ensemble object detection. The effectiveness, efficiency and contribution of this proposed new models have been evaluated in the Northwestern Polytechnical University Very High Resolution 10 (NWPU-VHR10) data set consisting of remote sensing images and the results are detailed in this thesis. The test results show that according to the studies using the same data set in the literature, the first model achieved an increase in detection success of 1.7% and the second model increased by 3.64%. So, two new object detection models have been proposed that can eliminate the difficulty of object detection in remote sensing images.

Benzer Tezler

  1. 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

  2. Deep unfolding for clutter removal in ground penetrating radar

    Yere nüfuz eden radarda kargaşa gidermek için derin katman açma

    SAMET ÖZGÜL

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. IŞIN ERER

  3. Uzaktan algılama görüntülerinde derin öğrenme temelli yaklaşımlar kullanarak nesne tespiti

    Object detection by using deep learning based approaches in remote sensing images

    NURİ ERKİN ÖÇER

    Doktora

    Türkçe

    Türkçe

    2020

    Astronomi ve Uzay BilimleriEskişehir Teknik Üniversitesi

    Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı

    DOÇ. DR. UĞUR AVDAN

  4. SatNet: Uydu görüntülerinden nesne tespiti için yeni bir derin öğrenme modeli

    SatNet: A novel deep learning model for object detection from satellite images

    FERDİ DOĞAN

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM TÜRKOĞLU

  5. Building detection from very high resolution satellite images with deep learning approach

    Derin öğrenme yaklaşımı ile çok yüksek çözünürlüklü uydu görüntülerinde bina tespiti

    ESRA ÖZAYDIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ELİF SERTEL