Segmentation of satellite sar images using squeeze and attention based deep networks
Uydu-bazlı sar imgelerınde kısık dıkkat odaklı derin ögrenme kullanan segmentasyon algoritması
- Tez No: 694656
- Danışmanlar: PROF. DR. İBRAHİM KÖRPEOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Yüksek çözünürlüklü uydu görüntülerinden ilgili nesnelerin otomatik olarak çıkarılması aktif bir araştırma alanı olmuştur. Pek çok güncel makale, gelişmiş bölümlendirime doğruluğu için derin öğrenmeye dayalı çeşitli anlamsal bölümlendirme teknikleri hakkında araştırmalar yapmaktadır. Mevcut literatür arazi örtüsü ve arazi kullanımı (örn. yapıların, yolların ve su alanının bölümlendirilmesi) ile ilgili zengin bilgiler sağlasa da, bunların çoğu elektro-optik tabanlı (EO) görüntüler üzerinde bölümlendirmeye odaklanmıştır. Güncel çalışmaların bir diğer odağı, görünür tayf kullanma sınırlamalarının üstesinden gelmek için bu tür ilgi nesnelerini Sentetik-Açıklık-Radarı tabanlı (SAR) görüntülerde bölümlere ayırmak olmuştur. Görünür tayfda alınan optik veriler hala birçok hava uygulamasında yaygın olarak tercih edilir ve kullanılırken, bu tür uygulamalar yüksek doğrulukla çalışmak için tipik olarak açık bir gökyüzüne ve minimum bulut örtüsüne ihtiyaç duyar. SAR görüntüleme, hava ve bulutun geleneksel optik sensörleri engellemesi (şiddetli hava koşulları ve bulut örtüsü sırasında olduğu gibi) gibi görünürlükle ilgili sorunları hafifletmek için alternatif bir görüntüleme tekniği olarak yararlı olmaktaktadır. Güncel segmentasyon teknikleri, U-Net'e dayalı pek çok derin öğrenme çözümleri kullanır. ˙ Ilgi ağı temelli derin öğrenmedeki son gelişmeler, SAR görüntü özellikleri ile birleştirildiğinde, özellikle düşük görüş koşullarında ilgi duyulan nesnelerin bölümlendirilmesini artırılabilir. Bu tezde, uydu SAR görüntülerinde anlamsal bölümlendirme için sıkıştırma ve ilgi tabanlı bir ağ önerilmiştir. Ozellikle, uzaktan ¨ algılama görüntülerindeki ilgi nesnelerini bölümlere ayırmak için U-Net tabanlı bir mimaride sıkıştırma ve ilgi kavramının nasıl kullanılabileceğini gösteriyoruz ve çok sayıda halka açık veri kümesi üzerindeki performansını inceliyoruz. Deneylerimiz, önerilen yöntemimizin kullanılan tüm veri kümelerinde çok sayıda temel ağla karşılaştırıldığında üstün sonuçlar verdiğini göstermektedir.
Özet (Çeviri)
Automatic extraction of objects of interests from high-resolution satellite images has been an active research area. Numerous recent papers have investigated on various deep learning-based semantic segmentation techniques for improved segmentation accuracy. Despite the fact that existing literature provides a wealth of information on land cover and land use (e.g., segmentation of structures, roads, and water area), the majority of them have been focused on segmentation on electro-optical-based (EO) images. A recent focus has been segmenting such objects of interest in Synthetic-Aperture-Radar-based (SAR) images to overcome the limitations of using the visible spectrum. While the optical data taken at the visible spectrum is still widely preferred and used in many aerial applications, such applications typically need a clear sky and minimal cloud cover in order to function with high accuracy. SAR imaging is particularly useful as an alternative imaging technique to alleviate such visibility-related problems such as when weather and cloud may obscure conventional optical sensors (as in during severe weather conditions and cloud cover). Recent segmentation techniques use multiple deep solutions based on U-Net. Recent attention based developments in deep learning when combined with the SAR image features, segmentation of objects of interests can be increased especially under low visibility conditions. In this thesis, a squeeze and attention based network is proposed for semantic segmentation in satellite SAR images. In particular, we show how squeeze and attention concept can be used within a U-Net based architecture for segmenting objects of interests in remote sensing images and study its performance on multiple public datasets. Our experiments demonstrate our proposed method yields superior results when compared to multiple baseline networks on all the used datasets.
Benzer Tezler
- Derin öğrenme ile uydu görüntülerinde hedef tespiti
Target detection in satellite images using deep learning
VAZIRKHAN TARVERDIYEV
Yüksek Lisans
Türkçe
2021
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Satellite images super resolution using generative adversarial networks
Uydu görüntülerinde çekişmeli üretici ağ kullanarak süper çözünürlük
MARYAM SERDAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. AHMET HAMDİ KAYRAN
- Üç aşamalı örnekleme metodu ve bölgesel (Doğu Marmara bölgesi) orman envanterinde uygulanması
Three phase sampling method and its application in the regional (East Marmara region) forest inventory
İBRAHİM ÖZDEMİR
Doktora
Türkçe
2003
Ormancılık ve Orman Mühendisliğiİstanbul ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. DR. ÜNAL ASAN
- Land cover and land use classification of multi-modal high-resolution satellite images using multi-task deep learning approach
Çok görevli derin öğrenme tekniği ile çok kipli yüksek çözünürlüklü uydu görüntülerinin arazi örtüsü ve arazi kullanımı sınıflandırılması
BURAK EKİM
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Sentinel-1 ve sentinel-2 verilerinden tarımsal ürün sınıflandırması için makine öğrenme algoritmalarının karşılaştırılması
Comparison of machine learning algorithms for agricultural crop classification from sentinel-1 and sentinel-2 data
TİMUÇİN DİZDAROĞLU
Yüksek Lisans
Türkçe
2019
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TÜRKER