Derin Öğrenme Yöntemleri Kullanılarak Havadan Elde Edilen Görüntüler Üzerinde Nesne Tespiti
Object Detection on Aerial Images Using Deep Learning Methods
- Tez No: 777811
- Danışmanlar: PROF. DR. FIRAT HARDALAÇ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnsan hayatı içerisinde özellikle son 20 yıla bakıldığında insansız hava aracı teknolojilerinin ve gelişmiş uydu sistemlerinin kullanımının günden güne ve önemli ölçüde arttığı görülmektedir. Gelişmiş, son teknolojik bu sistemler kullanılarak elde edilen hava fotoğrafları, savunma sanayii, tarım, trafik, şehir planlama, film endüstrisi, petrol ve maden arama gibi hem askeri hem de sivil alanda kullanılmaktadır. Bu gelişmelerle birlikte havadan elde edilen görüntüler için hem nitelik hem de nicelik anlamında artış olmuştur. Bunun yanı sıra günümüzde yapay zekâ algoritmaları, üzerinde en çok çalışılan alanlardan biridir. Özellikle yapay zeka algoritmaları sayesinde bilgisayarlı görü ile havadan elde edilen görüntüler üzerinde nesne tespit ve tanıma işlemi oldukça kolay hale gelmektedir. Bu çalışmada tek aşamalı nesne tespit modellerinden YOLOv5, SSD ve EfficientDet algoritmaları kullanılarak Google Earth, GF-2 ve JL-1 gibi son teknolojik uydu sistemleri üzerinden toplanan görüntüler üzerinde helikopter, uçak, gemi, köprü ve liman gibi 15 farklı nesnenin algılama çalışmaları yapılmıştır. Yüksek RAM ve ekran kartı ihtiyacı olması sebebiyle Google Colab platformu üzerinde Python dilinde yazılan kodlar koşturulmuştur. Yapılan çalışmalarda görüntü bölme ve veri artırımı teknikleri kullanılarak bu tekniklerin derin öğrenme modelleri üzerindeki etkisi karşılaştırılmıştır. Bu tekniklerin uygulanması sonrasında YOLOv5, SSD ve EfficientDet modelleri ile yapılan nesne tespit çalışmalarında YOLOv5 algoritmasının ortalama doğruluk oranı % 52.9 oranında artarak 0,867 değerine ulaştığı görülmüştür. Deneysel çalışmalar sonrasında elde edilen analiz sonuçları grafikler ile paylaşılmıştır.
Özet (Çeviri)
When we look at the last 20 years in human life, it is seen that the use of unmanned aerial vehicle technologies and advanced satellite systems has increased significantly day by day. Aerial photographs obtained by using these advanced, state-of-the-art systems are used in both military and civil fields such as defense industry, agriculture, traffic, city planning, film industry, oil and mineral exploration. There has been an increase in both quality and quantity for aerial images with these developments. In addition, artificial intelligence algorithms are one of the most studied areas today. Object detection and recognition on images obtained from the air becomes very easy with artificial intelligence algorithms computer vision. In this study, we used dataset images which 15 different class such as helicopter, plane, ship, bridge and port collected by Google Earth, GF-2 and JL-1 satellites. Next, YOLOv5, SSD and EfficientDet algorithms from one stage object detection models used for object detection. Due to the need for high RAM and graphics card, the codes written in Python language were run on the Google Colab platform. Image split and data augmentation techniques were used in these studies. Then, the effects of these techniques on the performance of deep learning models were compared. After the application of these techniques, it was seen that the mean average precision of the YOLOv5 algorithm increased by 52.9% and reached 0.867 in object detection studies with YOLOv5, SSD and EfficientDet models. Experimental results were analyzed in detail with graphics.
Benzer Tezler
- Aircraft detection using deep learning
Derin öğrenme kullanarak hava aracı tespiti
UTKU MUTLU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR
- Investigation of artificial intelligence-based point cloud semantic segmentation
Yapay zeka tabanlı nokta bulutu semantik bölümlendirmesinin incelenmesi
MUHAMMED ENES ATİK
Doktora
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAİDE DURAN
- Efficient deep learning approaches for signal and image analysis applications
Sinyal ve görüntü analizi uygulamaları için verimli derin öğrenme yaklaşımları
ONUR CAN KOYUN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Türkiye'de aile planlaması çalışmalarında erkeklerin önemi, hastane personeli ile fabrika işçilerinin doğum kontrol yöntemlerine karşı tutum ve davranranışlarında farklılığın araştırılması
Başlık çevirisi yok
KAMİL MALKOÇLU
Yüksek Lisans
Türkçe
1987
Demografiİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. DERİN KÖSEBAY
- Değişik derim zamanı ve önsoğutmanın Bursa siyahı incir çeşidinin meyve kalitesi ve pazarlama süresi üzerine etkileri
Effects of haruest time and precooling on fruit quality and shelf-life of the fig variety“Bursa siyahı”
FÜSUN GÜRSEL ÇELİKEL