Road segmentation in satellite images using deep learning
Uydu görüntülemede derin öğrenme kullanılarak yol bölütleme
- Tez No: 786248
- Danışmanlar: DR. ÖĞR. ÜYESİ SELİM BUYRUKOĞLU, DR. ÖĞR. ÜYESİ MUSTAFA KARHAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 87
Özet
Yol bölümlendirme problemleriyle başa çıkmak için, birkaç farklı yaklaşım göstereceğiz. Diğerleri kodlayıcı-Kod çözücü yöntemine, bazıları çekişmeli üretici ağ (GAN) tekniğine ve diğerleri tamamen evrişimli bir ağ üzerine dayanır. Kodlayıcı-Kod çözücü ve çekişmeli üretici ağdan yararlanan yaklaşımlar, umut vaat ediyor gibi görünmektedir. Kodlayıcı-Kod çözücü derin evrişimli sinir ağlarının birçok bölütleme problemindeki üstün performansı nedeniyle, amacımız, DCEP ağını birincil temel model olarak kullanan tüm yeni model mimarilerini iki açık kaynak veri seti DeepGlope ve Massachusetts üzerinde uygulamaktır. Farklı görüntü bölümleme veri kümeleri için mükemmel performans gösteren en yaygın kodlayıcı-kod çözücü modellerini seçiyoruz. Deneylerimiz için Unet, FPN, PSPNet, Unet++, PAN. LinkNet. DeepLab-v3, DeepLab-v3+ ve MA-Net tercih ediyoruz ve sonuca göre de kısa bir karşılaştırma yapacağız. İkili filtreli ve ikili filtresiz kullandığımız her bir modelin sonuçlarını gösteriyoruz ve Massachusetts veri setindeki tüm modeller için sonuçların IOU (birleşimden kesişme) ve Dice kaybının nasıl çok benzer olduğunu gösteriyoruz. Model performansını iyileştirmek amacıyla, ayrıca farklı veri büyütme parametreleri kullanıyoruz, ancak, sonuçlar bu veri kümesi için aynıdır. Unet modeli, 95.46% doğruluk oranıyla DeepGlobe veri seti için en yüksek IOU'ya sahiptir.
Özet (Çeviri)
We demonstrate several approaches for dealing with road segmentation problems. Some rely on the encoder-decoder method, some on the Generative Adversarial Network (GAN) technique, and others on a fully convolutional network. The approaches utilizing Encoder- Decoder and GAN seem to have promise. Due to the great performance of Encoder-Decoder Deep Convolutional Neural Networks in many segmentation problems. Our aim is to apply all recent model architectures that use the DCEP network as a primary base model on two open-source data sets DeepGlope, and Massachusetts. We choose the most common encoder-decoder models that proved great performance for different data sets of image segmentation. We choose Unet, FPN, PSPNet, Unet++, PAN, LinkNet, DeepLab- v3, DeepLab-v3+, and MA-Net for our experiments and we give a brief comparison based on the result. We show the results for each model we use, both with and without the bilateral filter, and we show how the IOU (Intersection Over Union) and Dice loss of the results for all models on the Massachusetts data set are very similar. In an effort to improve model performance, we also use different data augmentation parameters, however, the results are the same for this data set. The Unet model has an excellent IOU for the DeepGlobe data set, scoring 95.46% accuracy.
Benzer Tezler
- Road geometry extraction with fusion of low resolution satellite imagery and GPS trajectory using deep learning methods
Düşük çözünürlüklü uydu görüntüleri ve GPS rotaları birleştirilmesi ve derin öğrenme yöntemleri kullanılarak yol geometrilerinin tespiti
NECİP ENES GENGEÇ
Doktora
İngilizce
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGİN TARI
- Derin öğrenme kullanarak uydu görüntülerinden yol tespiti
Road identification from satellite imagery using deep learning
MOHAMMED MAHMOOD ABDULWAHAB NASSER
Yüksek Lisans
Türkçe
2022
Jeodezi ve FotogrametriErciyes ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÜMİT HALUK ATASEVER
- Çok yüksek çözünürlüklü uydu görüntülerinden grafik tabanlı bilgi çıkarımı
Graph-based infortmation extraction from very high resolution satellite images
NURETTİN SİNANOĞLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUydu Haberleşmesi ve Uzaktan Algılama Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Derin öğrenme yöntemleri ve uydu görüntü verileri kullanılarak deprem sonrası ağır hasarlı alanların tespiti: Kahramanmaraş örneği
Using deep learning methods and satellite imagery identifying heavily damaged areas after an earthquake: The case of Kahramanmaraş
EMİNE SARIALİOĞLU
Yüksek Lisans
Türkçe
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞİNASİ KAYA
- Deep learning based road segmentation from multi-source and multi-scale data
Çok kaynaklı ve çok ölçekli veriyle derin öğrenme tabanlı yol bölütlenmesi
OZAN ÖZTÜRK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER