Geri Dön

Convolutional neural networks (CNN) based binary classifiers for construction machinery detection

İnşaat makinesi tespiti için evrişimli sinir ağları (ESA) tabanlı ikili sınıflandırıcılar

  1. Tez No: 762964
  2. Yazar: BAHADIR TATAR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SEDA YEŞİLMEN, ÖĞR. GÖR. HALİL FIRAT ÖZEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilim ve Teknoloji, İnşaat Mühendisliği, Science and Technology, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Çankaya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 105

Özet

İnşaat faaliyetlerinin yapay zeka ile izlenmesi şantiye operasyonlarındaki verimlilik için önemli bir vazifedir. Bu nedenle işlenen konu literatürde oldukça ilgi görmüştür. Farklı çeşitlilikteki görevleri izleyerek ve tespit ederek inşaat alanlarındaki operasyonları başarılı bir şekilde eniyileştirmek, şantiye işlerinde kullanılabilen araçları belirlemede önemli bir rolü olan şantiye alanının boyutuna bağlıdır. Yapay zeka algoritmalarının inşaat makinelerini algılaması için eğitilerek, görüntü sınıflandırma algoritmaları aracılığıyla geniş alanları kapsayan bir izleme görevi yüksek verimlilikle gerçekleştirilebilir. İnsansız hava araçlarından alınan görüntülerin kullanılması çok geniş bir bölgedeki inşaat operasyonlarını tespit etme açısından verimsiz kalabilir. Dolayısıyla bu tezde, iş makinelerinin tespit edilmesi için uydu görüntüsü sınıflandırılması yapılmıştır. Evrişimli sinir ağlarını eğitmek için Google Earth kullanılarak sıfırdan oluşturulan ve inşaat makineleri görüntüleri içeren bir veri seti oluşturulmuştur. Toplamda 23 adet önceden eğitilmiş evrişimli sinir ağı modeli öğrenme aktarımı yöntemi kullanılarak modifiye edilmiştir ve performansları değerlendirilmiştir.

Özet (Çeviri)

Monitoring construction activities with artificial intelligence is an important task for efficiency in construction site operations. Hence the topic received a fair amount of attention in the literature. Successfully optimizing construction site operations by monitoring and detecting various tasks is dependent on the size of the construction field, which determines the tools that can be used for the job. A monitoring task that covers large areas can be performed with high efficiency through image classification algorithms by training the algorithms to detect construction machinery. If the area of monitoring is larger such as the task of detecting construction operations in a large territory, using drone images might also become inefficient. Consequently, satellite image classification has been performed for construction machinery detection in this thesis. A dataset that contains construction machinery images created from scratch using Google Earth was used to train convolutional neural networks. A total of 23 different pre-trained convolutional neural network models were modified with the transfer learning method and their performance was evaluated.

Benzer Tezler

  1. Uzaklık ve cinsiyet tabanlı akıllı reklam görüntüleme sistemi

    Distance and gender based smart advertising display system

    BURAK KABASAKAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMRE SÜMER

  2. Farklı derin öğrenme modelleri kullanarak histopatalojik görüntülerden meme tümörlerinin sınıflandırılmasında yeni yaklaşımlar

    New approaches in classification of breast tumors from histopathological images using different deep learning models

    SEMA NIZAM ABDULGHANI

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEYFETTİN SİNAN GÜLTEKİN

  3. Building sensor-based real-time predictive maintenance system by utilizing artificial intelligent techniques

    Yapay akıllı teknikleri kullanarak sensör tabanlı gerçek zaman tahminli bakım sistemi kurulması

    RAGHAD MOHAMMED KHORSHEED

    Doktora

    İngilizce

    İngilizce

    2021

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  4. COVID-19 hastalığının derin öğrenme yöntemleri kullanılarak tespiti

    Detection of COVID-19 disease using deep learning methods

    HÜSEYİN YAŞAR

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiKonya Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT CEYLAN

  5. Üretken çekişmeli ağ ve UNet kullanılarak segmente edilmiş tomografi görüntülerden Covid-19 sınıflandırmasında farklı derin öğrenme mimarilerinin kullanımı

    Using different deep learning methods for Covid-19 classification from CT scans segmented by generative adversarial networks and UNet

    KIELEH NGONG IVOLINE CLARISSE

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NURDAN BAYKAN