Uydu görüntülerinden alınan halka açık binaların derin öğrenme yöntemleriyle sınıflandırılması ve performans ölçümü
Classification and performance measurement of public buildings from satellite images with deep learning methods
- Tez No: 769399
- Danışmanlar: DOÇ. DR. DERYA AVCI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Ekobilişim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Günümüzde yapay zekânın her konuda uygulanabilir bir teknoloji olması nedeniyle birçok görsel ve ses verisi için kullanımı oldukça artmıştır. Gerek özel, gerekse kamu kurumları var olan yapılarının dışına çıkıp işlerin daha kolay ve hızlı yürütülebilmesi için çeşitli sınıflandırma algoritmaları ile çalışan sistemler geliştirir hale gelmiştir. Özellikle belediyelerde şehir ve bölge planlaması için yapılan çalışmalarda kullanılan görsel sınıflandırmalar, istenilen sonuçlara ulaşılması, detaylandırılması ve hızları bakımından yetersiz bulunmaktadır. Bu tip bina tespiti çalışmasının uydu verileri üzerinden sağlanması verilerin gerçekliğine katkı sağlarken, derin öğrenme algoritmasının test edilip en iyi performans ile gerçekleştirilmesi bu çalışmanın birçok kuruma ve/veya sektöre uyarlanabileceğini göstermektedir. İmge üzerinde yapılmış olan çalışmada halka açık (hastane, okul, hava limanı, cami ve saha) alanların tanımlanması sağlanmıştır. Kullanıma açık uydu görüntülerinden alınan 5 sınıfa ayrılmış toplam 300 imge üzerinde, derin öğrenme tabanlı YOLOv3 ve YOLOv5 kütüphanesi ile bina sınıflandırılası ve tespiti analiz edilmiştir. Veri seti üzerinde derin öğrenme için test ve eğitim verileri ayrılmıştır. Python dilinde tasarlanmış YOLOv3 ve YOLOv5 kütüphanesi algoritmaları ile imgeler eğitilmiştir. Eğitim adımı öncesinde ve sonrasında doğru sınıflandırılmış veri oranının kontrolü için daha hızlı bölgesel-evrişimsel sinir ağlar uygulanmıştır. Sınıflandırma sonuçları karşılaştırılmıştır. Bu halka açık binaların tespiti için Darknet-53 açık kaynaklı sinir ağı çerçevesi ile gerçek zamanlı nesne algılama sistemi YOLOv3 ve YOLOv5 derin öğrenme modelleri kullanılmıştır. Belirtilen bu binaların sınıflandırılması gerçekleştirilerek nitelikli ağırlık modeli oluşturulmuştur. Böylelikle ileriki ekobilişim alanındaki uzay görüntülerinde nesne tespitine katkı sağlanmıştır.
Özet (Çeviri)
Today, since artificial intelligence is a technology that can be applied in every subject, its use for many visual and audio data has increased considerably. Both private and public institutions have started to develop systems that work with various classification algorithms in order to go out of their existing structures and to carry out work easier and faster. Visual classifications used in studies for city and regional planning, especially in municipalities, are insufficient in terms of achieving desired results, elaboration and speed. While providing this type of building detection study through satellite data contributes to the authenticity of the data, testing the deep learning algorithm and performing it with the best performance shows that this study can be adapted to many institutions and / or sectors. In the study carried out on the image, it was ensured that the areas open to the public (hospital, school, airport, mosque and field) were defined. Building classification and detection were analyzed with the deep learning-based YOLOv3 and YOLOv5 library on 300 images, divided into 5 classes, taken from satellite images available for use. Test and training data are separated for deep learning on the data set. Images are trained with the algorithms of the YOLOv3 and YOLOv5 library designed in Python. Faster regional-convolutional neural networks were applied to control the correctly classified data rate before and after the training step. Classification results were compared. Darknet-53 open source neural network framework and real-time object detection system YOLOv3 and YOLOv5 deep learnings model were used to detect these public buildings. A qualified weight model was created by classifying these buildings. Thus, it contributed to object detection in space images in the future ecoinformatics field.
Benzer Tezler
- Segmentation of satellite sar images using squeeze and attention based deep networks
Uydu-bazlı sar imgelerınde kısık dıkkat odaklı derin ögrenme kullanan segmentasyon algoritması
ELMIRA KHAJEI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM KÖRPEOĞLU
- Investigating olive trees by monitoring phenological stages using multi-modal satellite sensor data
Çok-modlu uydu sensör verileri kullanılarak fenolojik aşamalarının izlenmesiyle zeytin ağaçlarının araştırılması
HAYDAR MUHAMMED AKÇAY
Doktora
İngilizce
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞİNASİ KAYA
- Sea ice observations & maritime meteorology records during Turkish antarctic expedition–I (TAE-I)
Ulusal antarktik bilim seferi–I (TAE-I)'de deniz buzu gözlemleri ve denizcilik meteorolojisi kayıtları
SİNAN YİRMİBEŞOĞLU
Yüksek Lisans
İngilizce
2018
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU ÖZSOY
- Remote sensing applications for physical and ecological state of Turkish coastal waters
Türkiye kıyılarının fiziksel ve ekolojik durumu hakkında uzaktan algılama uygulamaları
ATİLLA HÜSNÜ ERONAT
Doktora
İngilizce
1999
Su ÜrünleriDokuz Eylül ÜniversitesiDeniz Jeolojisi ve Jeofiziği Ana Bilim Dalı
PROF. DR. ORHAN USLU
- Uydu imgelerine derin öğrenme tabanlı süper çözünürlük yöntemlerinin uygulanması ve imgelerin iyileştirilmesi
Application of deep learning based super resolution methods to satellite images and improvement of images
AYŞE CENGİZ
Yüksek Lisans
Türkçe
2020
Bilim ve TeknolojiFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DOÇ. DR. DERYA AVCI