SAM alanlarında bulunan füze tiplerinin derin sinir ağları ile sınıflandırılması
Classification of SAM-based missiles with deep neural networks
- Tez No: 728801
- Danışmanlar: PROF. DR. İLKE TÜRKMEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Sivil Havacılık, Computer Engineering and Computer Science and Control, Engineering Sciences, Civil Aviation
- Anahtar Kelimeler: Derin Öğrenme, Evrişimsel Sinir Ağları, Nesne Tespit Etme, Deep Learning, Convolutional Neural Networks, Object Detection
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Sivil Havacılık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
Bu tez çalışmasında, karadan havaya füze (Surface-to-Air-Missile-SAM) alanlarını tanımak ve bu alanları terabaytlarca dijital görüntü arasından tespit ederek SAM alanlarındaki füze tiplerini sınıflandırmak amacıyla, Derin Sinir Ağı (DSA) mimarilerinden Evrişimsel Sinir Ağları (ESA) kullanılmıştır. Çalışmada, SAM alanlarında füzeleri tespit etmek ve sınıflandırmak amacıyla hem sıfırdan öğrenme hem de AlexNet, GoogLeNet, ResNet-18, ResNet-101, VGG-16, VGG-19, SqueezeNet klasik ESA modelleri kullanılarak transfer öğrenme yöntemi ile eğitim gerçekleştirilmiştir. Farklı performans parametreleri kullanılarak geliştirilen modellerin doğrulukları değerlendirilmiştir. Çalışmanın son kısmında insansız hava aracı (İHA)'nın uçuşunu simüle etmesi için tasarlanan bir modül üzerindeki Raspberry Pi 4 mikrobilgisayarı ile sınıflandırma yapılmıştır. Uygulama, bir mikrobilgisayar olan Raspberry Pi 4 8 GB (RPi) aracılığıyla 640x380 çözünürlüklü görüntülerle veri seti oluşturularak, Matlab programlama dili ve görüntü işleme teknolojisi kullanılarak gerçekleştirilmiştir. Mevcut veri seti kullanılarak elde edilen sonuçlarla başarılı bir şekilde sınıflandırma ve takip etme sağlanmıştır. Elde edilen simülasyon sonuçları ve deneysel sonuçlar, geliştirilen tekniklerin SAM alanlarındaki füze tiplerinin tespit edilmesinde ve sınıflandırılmasında başarılı bir şekilde kullanılabileceğini göstermektedir. Geliştirilen modeller ile SAM alanlarını hem doğru hem de insanlardan daha hızlı bulmak mümkündür ve bu modeller İHA otonom hedef tespit ve imha kabiliyeti kazandıracak çalışmalar için ön hazırlık niteliği taşımaktadır.
Özet (Çeviri)
In this thesis, Convolutional Neural Networks (CNN) from Deep Neural Network (DNN) architectures were used to identify surface-to-Air Missile (SAM) fields and to classify missile types in SAM fields by detecting these areas from terabytes of digital images. In the study, both learning from scratch, and AlexNet, GoogLeNet, ResNet-18, ResNet-101, VGG-16, VGG-19, SqueezeNet classical CNN models were used to detect and classify missiles in SAM areas, using transfer learning method. Accuracies of different models were evaluated using different performance parameters. In the last part of the study, classification was made with the Raspberry Pi 4 microcomputer on a module designed to simulate the flight of an unmanned aerial vehicle (UAV). The application was carried out using Matlab programming language and image processing technology, by creating a data set with 640x380 resolution images via a microcomputer, Raspberry Pi 4 8 GB (RPi). Successful classification and follow-up were achieved with the results obtained using the existing data set. The simulation results and experimental results show that the developed techniques can be used successfully in detecting and classifying missile types in SAM areas. With the developed models, it is possible to find SAM areas both accurately and faster than humans, and these models are preliminary for studies that will provide UAV autonomous target detection and destruction capability.
Benzer Tezler
- التلخيص الحبير للحافظ ابن حجر العسقلاني من أول الكتاب إلى باب سنن الوضوء دراسة وتحقيق واستكمال
Et-talhis el-habir/ hafız ibn hacar el-askalanikitap başından abdest sünnetleri kısmı (kapısına) kadar (araştırma inceleme ve tamamlama çalışması )
ASMAA AL BOGHA
Yüksek Lisans
Arapça
2007
DinŞam Üniversitesiİslam Bilimleri Ana Bilim Dalı
DOÇ. DR. BEDİ ELSEYYİD ELLAHHAM
- XIX. yüzyılda Filistin (idari ve sosyo-ekonomik vaziyet)
Palestine in the 19th century (Administrative and socioeconomic situation)
IŞIL IŞIK BOSTANCI
- Diyarbakırlı Azmî ve Dîvânçesi (İnceleme-metin- indeks)
Azmî from Diyarbakır and his Divançe (Survey-text-index)
MEHMET DUYMAZ
Yüksek Lisans
Türkçe
2010
Türk Dili ve EdebiyatıGazi ÜniversitesiTürk Edebiyatı Bölümü
YRD. DOÇ. DR. ORHAN KURTOĞLU
- Pansharpening using generative adversarial networks with dual discriminators
Çift ayrıştırıcılı çekişmeli üretken ağlar kullanarak pankeskinleştirme
NAHİDE NESLİ CESUR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Ortofoto haritalar üzerinde çalışılan kavşak taslak planlarının Vissim yazılımında değerlendirilmesi üzerine bir inceleme
An investigation on the evaluation of the variety plansunder the ortofoto maps on the Vissim software
BUMİN KAAN BALIN
Yüksek Lisans
Türkçe
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZAİDE DURAN