Geri Dön

Uydu görüntüleri / hava fotoğrafları kullanarak arazi sınıflandırma çalışması

Study about land cover/use classification by using satellite and aerial images

PDF İndir

  1. Tez No: 705854
  2. Yazar: ÖZLEM ŞEN
  3. Danışmanlar: DOÇ. DR. HACER YALIM KELEŞ
  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: 2021
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 127

Özet

Derin ağlar ve görüntü işleme teknikleri kullanarak, arazi örtüsü ve arazinin kullanım şeklinin sınıflandırılmasına ilişkin yürütülen bu çalışma kapsamında, iki hipotez sunulmuş ve deneyler yapılmıştır. İlk hipotez, evrişimsel ağların sınıflandırma başarımı ile model karmaşıklığı arasındaki bağlantıya ilişkindir. Tez kapsamında derin ağlar ile model eğitimi yapılmıştır. Model başarımları literatürdeki örneklerle karşılaştırılmıştır. Model başarımına ilişkin genelleştirme kapasitelerinin farklı veri kümeleri kullanarak ölçülmesi gerekliliğine dair bir öneri sunulmuştur İkinci hipotez ise, hiyerarşik bir sınıflandırma yapısının modellerin sınıflandırma başarısına etkisine ilişkindir. Hiyerarşik bir sınıflandırma sistemi kurulmuş ve deneylerle test edilmiştir. İlk grup deneylerde; derin evrişimsel ağlarda, modelin evrişimsel katman sayısını çoğaltmak ya da birden fazla model kullanmak yoluyla hesaplama karmaşıklığını artırmak gibi işlemlerin sınıflandırma başarımına etkisi araştırılmıştır. Bu hipotez kapsamında eğitilen model ile literatürdeki diğer çalışmalara yakın bir sonuç elde edilmiştir. Buna ilave olarak geliştirilen modelin genelleştirme yetenekleri farklı veri kümelerinden örnekler test verisi olarak kullanılarak değerlendirilmiştir. Bu yöntemle değerlendirmenin gerekliliği kapsamlı deneysel değerlendirmelerle gösterilmiştir. İkinci grup deneylerde ise hiyerarşik yapının sınıflandırma performansına yapacağı katkı incelenmiştir. Bu bağlamda, hiyerarşik yapıdaki katmanlardan kaynaklanan koşullu olasılık ve biriken hata oranları irdelenmiş, sonuçlar deneysel çalışmalarla desteklenmiştir. Her bir hiyerarşik aşamanın sınıflandırılması esnasında oluşan hataların birikmesi sebebiyle, bu yapının performansta kayda değer bir iyileştirme getirmediği tespit edilmiştir. Bununla birlikte, farklı hiyerarşik katmanlardaki modeller ayrı/bağımsız olarak değerlendirildiğinde model performanslarında kayda değer artışlar gözlemlenmektedir.

Özet (Çeviri)

In the scope of this study, which is about land cover and land use classification by using deep neural networks and image processing techniques, two hypotheses are conducted and tested experimentally. The first hypothesis concerns the correlation between the classification performance of convolutional neural networks and model complexity. In this context, relatively simpler deep models are trained, and accuracy results of these models are compared with the similar studies in the literature. In this scope, we suggested using different datasets in regard to evaluate the generalization capabilities of the trained models. The second hypothesis is based on the effect of the hierarchical classification structure on the model performances. A hierarchical classification system is established and tested with extensive experiments. In the first group of experiments, the effect of operations such as increasing the number of convolutional layers or increasing the computational complexity by using more than one model on the classification performance is tested. The results of the model trained in the scope of the first hypothesis is close to the state-of-the-art models. In addition, the generalization capabilities of the trained model are evaluated using images of other datasets as test set. We showed the essence of such evaluation with extensive empirical evaluations. In the second group of experiments, the contribution of using a hierarchical structure to classification accuracy is examined. In this context, the conditional probability, and accumulated errors between the two cascaded layers are examined and obtained results are supported with empirical results. We observed that this structure does not bring a significant improvement in performance due to the accumulation of errors between cascaded hierarchical stages. However, the performances of the models in different semantic layers are higher when they are used separately.

Benzer Tezler

  1. Tez No

    753612

    Single-frame and multi-frame super-resolution on remote sensing images via deep learning approaches

    Derin öğrenme yaklaşımlarıyla uzaktan algılama görüntülerinde tek çerçeve ve çok çerçeve süper çözünürlük

    PEIJUAN WANG

    Doktora

    İngilizce

    İngilizce

    2022

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  2. Tez No

    245036

    Çataldağ bölgesinin (Sivas güneydoğusu) jeolojik özellikleri ve hiperspektral görüntülerle incelenmesi

    Geological features of the Çataldağ region (SE Sivas) and it?s analysis using hyperspectral images

    HANDE KONYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Jeoloji MühendisliğiCumhuriyet Üniversitesi

    Mühendislik Bilimleri Bölümü

    DOÇ. DR. KAAN ŞEVKİ KAVAK

  3. Tez No

    493895

    İnsansız hava aracı görüntülerinden kentsel alanlarda araç tespiti

    Vehicle detection in urban areas from unmanned aerial vehicle images

    MÜSLÜM ALTUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Jeodezi ve FotogrametriHacettepe Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA TÜRKER

  4. Tez No

    669274

    Flood susceptibility mapping for Ankara using modified analytical hierarchy process (M-AHP)

    Değiştirilmiş analitik hiyerarşik süreci (M-AHP) kullanılarak Ankara için taşkın duyarlılık haritasının çıkarılması

    BURHAN SÖZER

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Jeodezi ve FotogrametriHacettepe Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SULTAN KOCAMAN

    DOÇ. DR. HAKAN AHMET NEFESLİOĞLU

  5. Tez No

    365199

    Mera ve yayla alanlarındaki değişimin tespiti ve yeni bir mera yönetim modeli yaklaşımı: Trabzon ili Akçaabat ilçesi örneği

    Change detection for rangeland and plateau areas, and a new approach to rangeland management model: A case study in the district of Akçaabat, Trabzon

    ALPER AKAR

    Doktora

    Türkçe

    Türkçe

    2014

    Jeodezi ve FotogrametriKaradeniz Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. ERTAN GÖKALP

Geri Dön