Geri Dön

Uçak görüntülerinin sınıflandırılmasında farklı yapay zeka algoritmalarının performansı

Performance of different artificial intelligence algorithms in classification of aircraft images

  1. Tez No: 783798
  2. Yazar: ÖZGÜN DEVRİM KILIÇ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ PINAR ÖZTÜRK ÖZDEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Milli Savunma Üniversitesi
  10. Enstitü: Atatürk Stratejik Araştırmalar ve Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 60

Özet

Gelişen teknoloji ile birlikte yüz, nesne, ses veya hareket tespiti konusunda klasik yazılımların aldığı sonuçlar düşük doğruluklu ve yavaş kalmaktadır. Bunun yerine yapay zekâ uygulamaları geliştirilerek daha büyük veri setleriyle birlikte daha hızlı ve başarılı sonuçlar elde edilmektedir. Sürekli geliştirilen algoritmalar ve modeller nesne tespiti konusunda bu teknolojilerin kullanılmasını daha da cezbedici hale getirmiştir. Kullanılan algoritmalar birbiriyle kıyaslanarak şartlara göre kullanıcı için en başarılı ve en hızlı algoritmanın tespit edilmesi önemli hale gelmektedir. Bu çalışmada uçak görüntülerini tespit etmek için aynı veri seti üzerinden Haar sınıflandırıcı ve YOLO algoritmaları kullanılmıştır. Çekilen uçak fotoğrafları üzerinden etiketleme yapılmış ve veri setleri oluşturulmuştur. Nesnelerin sınıfını belirlemek için internet üzerinden hazır eğitim setlerinden de yararlanışmıştır. İlk safhada Haarcascade sınıflandırcısı eğitilmiş ve görüntüler teker teker bu algoritma üzerinden tespit edilmeye çalışılmıştır. İkinci safhada YOLO (You Only Look Once) algoritması üzerinden veri setimizdeki görüntüler tespit edilmeye çalışılmıştır. Bu iki farklı algoritma ile yapılan nesne tespiti başarıları karşılaştırma matrisi, doğruluk, kesinlik, duyarlılık ve F1 skoru ölçütleriyle kıyaslanmıştır. Kıyaslama sonrasında nesne tespit algoritmasının başarısı tablolar halinde, algoritma başarısı değerlendirme ölçütleri ise grafikler ve tablolar halinde gösterilmiş ve değerlendirilmiştir.

Özet (Çeviri)

With the developing technology, the results of classical software on face, object, sound or motion detection remain low accuracy and slow. Instead, by developing artificial intelligence applications, faster and more successful results are obtained with larger data sets. It's about making these technologies even more attractive to drive their constant concentration and modelling. By comparing the terminations used, it becomes important to determine the most successful and fastest completion for the user according to the comparison conditions. Haar classifier and YOLO observations were used on the same dataset to detect this different aircraft camera. He also benefited from ready-made training sets over the internet to determine the class of objects. In the first stage, the Haarcascade classifier was learned and the displayed one by one was tried to be determined through this process. In the second stage, the images in our data set were tried to be determined through the execution of YOLO (You Only Look Once). The object results achieved by these two different evaluations were compared with the comparison matrix of achievements, accuracy, precision, precision and F1 score measurements. After the comparison, object detection was shown in experimental tables, and success evaluation criteria were shown and evaluated in graphics and tables.

Benzer Tezler

  1. Pasif ve aktif radar görüntülemede hedeflerin tespiti ve odaklanmasına yönelik yeni algoritmaların geliştirilmesi

    Development of new algorithms for detection and focus of targets in passive and active radar imaging

    HAKAN İŞIKER

    Doktora

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiMersin Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. CANER ÖZDEMİR

  2. Geleneksel öznitelikleri CNN modellerine enjekte ederek uydu görüntülerinde arazi sınıflandırması

    Land classification in satellite images by injecting traditional features to CNN models

    MEHMET ÇAĞRI AKSOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiMarmara Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. CEM ÜNSALAN

  3. Point-based matching of oblique ımages acquired from airplane and uav platforms

    Uçak ve iha platformlarından elde edilen eğik görüntülerin nokta tabanlı eşleştirilmesi

    SILA BAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Jeodezi ve FotogrametriHacettepe Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ ÖZGÜN OK

  4. Dikey iniş kalkış yapabilen sabit kanatlı insansız hava aracı tasarım, üretimi ve uçuş testleri

    Design, manufacturing and flight tests of a fixed-wing vertical take-off and landing unmanned air vehicle

    UĞUR ÖZDEMİR

    Doktora

    Türkçe

    Türkçe

    2015

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKHAN İNALHAN

  5. Yüksek mekansal çözünürlüklü uydu/uçak platformlu görüntüler ve CBS teknolojisi kullanılarak Van-Erciş depremi sonrası bina hasar tespiti

    Determination of building damage after Van-Ercis earthquake by using very high resolution satellite/aircraft platforms and GIS technology

    ASLI SABUNCU

    Doktora

    Türkçe

    Türkçe

    2018

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE FİLİZ SUNAR