Hava araçlarından alınan görüntüler ile derin öğrenme tabanlı afet sınıflandırması
Deep learning based disaster classification with aerial images
- Tez No: 678964
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET GÜRHANLI
- 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: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 87
Özet
Derin öğrenme tekniklerinin büyük bir hızla gelişmesi ve birçok probleme uyarlanabilir yapıda olması içinde bulunduğumuz çağda yaşanılan birçok sorunun üstesinden gelebilmektedir. Türkiye gibi deprem kuşağında olan ve beraberinde birçok afetin görüldüğü ülkelerde bu teknolojik gelişmelerin kullanımı için oldukça fazla alan mevcuttur. Derin öğrenmenin uygulandığı görüntü sınıflandırma algoritmaları bu alanın içinde yer almaktadır. Bu çalışmada, son yıllarda Türkiye'de yaşanan İzmir, Elazığ, Van, İzmit depremlerinin yanı sıra Giresun toprak kayması, Hatay orman yangını gibi güncel olaylardan alınmış, hava araçlarından çekilen görüntüler toplanmıştır. Bu görüntülerin yanı sıra dünyanın çeşitli yerlerinden alınan, hava araçları ile çekilmiş afet fotoğraflarına veri setinde yer verilmiştir. Bu görüntüler ile en modern derin öğrenme yöntemleri birleştirerek afet görüntülerinin sınıflandırması konusu incelenmektedir. Yine son yıllarda ortaya çıkan ve birbirinden farklı kabiliyetlere sahip olan Inception, VGG, MobileNet ve DenseNet gibi derin öğrenme mimarileri transfer öğrenme yöntemleri ile problem özelinde denenmiştir. Kullanılan algoritmalara en doğru sonucu vermesi ve aşırı öğrenme, eksik öğrenme gibi derin öğrenme algoritmalarında rastlanabilen birtakım problemlerinin önüne geçilebilmesi adına eklemeler yapılmıştır. Yapılan iyileştirmeler ile alınan sonuçlar doğruluk oranı değerlendirmesi kullanılarak paylaşılmıştır. Buradaki amaç, afet durumlarında erken müdahalenin gerçekleştirilebilmesi için gerekli olan teknolojik altyapının en modern derin öğrenme yaklaşımları kullanılarak, hava araçlarından çekilmiş renkli görüntüler üzerinden ortaya konmasıdır.
Özet (Çeviri)
The rapid development of deep learning techniques and their adaptability to many problems can overcome many issues experienced in our age. The usage of technological developments are available in many fields for the countries such as Turkey which are in the earthquake zone and have many different disasters Image classification algorithms where deep learning has been applied on are involved in those technological developments. All the pictures that had been taken by aircraft of Izmir, Elazığ, Van, Izmit earthquakes, Giresun landslide and Hatay forest fire have been used in this study. In addition to these images, disaster photographs taken by air vehicles from various region of the world are included in the dataset. By combining these images with the state-of-the-art deep learning methods, the subject of classification of the disaster images is examined. Deep learning architectures such as Inception, VGG, MobileNet and DenseNet occured in recent years that have different capabilities have been tested as problem-specific with transfer learning methods. Some additions have been applied on the algorithms that used for giving the most accurate results and preventing some problems that can be encountered in the deep learning algorithms such as overfitting and underfitting. The obtained results by improvements made have been shared with using the accuracy rate assessment. The aim here is to reveal the technological infrastructure required for early intervention at disaster situations, using state-of-the-art deep learning approaches and color images taken from aircraft.
Benzer Tezler
- Derin öğrenme tabanlı akıllı tarım ve uygulamaları
Deep learning based smart agriculture and applications
FURKAN ALP ESEN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Katip Çelebi ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYTUĞ ONAN
- Derin öğrenme yöntemleri ve yapay sinir ağı tabanlı NDVI değerleri ile çeltik bitkisi hastalıkların tespiti
Detection of diseases in rice plant with deep learning methods and artificial network based NDVI values
İRFAN ÖKTEN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR YÜZGEÇ
- İnsansız hava araçlarında nokta bulut yöntemi ile iniş pisti analizi
Landing pad analysis by point cloud method in unmanned air vehicle
MELİKE AKSU
Yüksek Lisans
Türkçe
2023
Sivil HavacılıkFırat ÜniversitesiHavacılık Bilimi ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EBRU KARAKÖSE
- Hava araçları ile alınan görüntülerden derin öğrenme ile felaketzede tespiti
Human - survivor detection for unmanned aerial vehicle with deep learning technics
MUSTAFA GÖREN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKırklareli ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT OLCAY ÖZCAN
- Derin öğrenme ile İHA görüntülerinden nesne tespitinin yapılması
Object detection from UAV images with deep learning
EMİR ALBAYRAK
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR YÜZGEÇ