İnsansız hava aracı görüntülerinden derin öğrenme yöntemleriyle nesne tanıma
Deep learning methods object recognition from unmanned aerial vehicle imagesphotos
- Tez No: 678752
- Danışmanlar: DR. ÖĞR. ÜYESİ ERDAL GÜVENOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Maltepe Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 108
Özet
İnsansız hava araçlarının kullanımı ve önemi sürekli artmaktadır. Her geçen gün hayatın farklı bir alanında bu araçların kullanımıyla ilgili yeni bir gelişme yaşanmaktadır. Yaşanan bu gelişmeler sayesinde havadan alınan görüntülerde hem nitelik hem nicelik anlamında da artış olmaktadır. Havadan alınan görüntüler kullanılarak nesne algılama çalışmaları için en önemli ihtiyaçlardan birisi olan kaliteli ve büyük veri setleri insansız hava araçları ile giderilmiştir. Hem bu alanda hem de bilgisayarlı görü dünyasında yaşanan gelişmeler hava fotoğraflarından nesne algılama çalışmalarını daha da önemli bir hale getirmiştir. Özellikle evrişimsel sinir ağları dünyasında sürekli daha hızlı ve daha başarılı modeller geliştirilmektedir. Bu modellerin başarısının hava fotoğrafları ile de anlaşılması literatür için oldukça önemli ve gereklidir. Bu tez çalışmasında alanda eksik olduğu görülen son dönemde geliştirilmiş hızlı ve başarılı evrişimsel sinir ağları kullanılarak hava fotoğraflarından nesne algılama çalışmaları yapılmıştır. Deneysel çalışmalar sonucunda elde edilen sonuçlar grafiklerle anlaşılır bir şekilde analiz edilmiştir.
Özet (Çeviri)
The use and importance of unmanned aerial vehicles is constantly increasing. Every day there is a new development regarding the use of these tools in a different area of life. Thanks to this increase, there is an increase in both quality and quantity of aerial images. Using aerial images, one of the most important needs for object detection studies, high quality and large data sets were met with unmanned aerial vehicles. Developments in both this field and the world of computer vision have made object detection studies from aerial photographs even more important. Especially in the world of convolutional neural networks, faster and more successful models are constantly being developed. Understanding the success of these models with aerial photographs is very important and necessary for the literature. In this thesis, object detection studies from aerial photographs have been carried out using the recently developed fast and successful convolutional neural networks, which are seen to be lacking in the field. The results obtained as a result of experimental studies were analyzed with graphics in an understandable way.
Benzer Tezler
- 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
- İnsansız hava aracından elde edilen görüntülerin derin öğrenme yöntemi ile iyileştirilmesi
Improvement of images obtained from unmanned aerial vehicle with deep learning method
HALİL İBRAHİM GÜMÜŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiHavacılık Bilimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER OSMAN DURSUN
- Derin öğrenme algoritmaları kullanılarak döner kanatlı insansız hava aracı görüntülerinden haşhaş, kenevir ve tütün bitkilerinin tespiti
Detection of poppy, hemp, and tobacco plants from images of rotary-wing unmanned aerial vehicles using deep learning algorithms
MUHAMMED MÜCAHİT ARVAS
Yüksek Lisans
Türkçe
2022
İstatistikVan Yüzüncü Yıl Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. RECEP ÖZDAĞ
- 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
- Element eksikliği olan bölgelerdeki ürünlerin derin öğrenme ve İHA ile sınıflandırılması
Classification of products in element-deficient regions by deep learning and UAV
KÜBRA KIRCALI
Yüksek Lisans
Türkçe
2022
Jeodezi ve FotogrametriKonya Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN KARABÖRK
DOÇ. DR. ÖMER KAAN BAYKAN