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: Derin öğrenme, Görüntü işleme-bilgisayarlı, Kod çözücü, Uzaktan algılama, Deep learning, Image processing-computer assisted, Decoder, Remote sensing
- 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: Belirtilmemiş.
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
- Geospatial object recognition using deep networks for satellite images
Uydu görüntüleri için derin ağlar kullanılarak coğrafi nesnelerin tanımlanması
ONUR BARUT
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH AYDIN ALATAN
- Aircraft detection from large scale remote sensing images with deep learning techniques
Büyük ölçekli uzaktan algılama görüntülerinden derin öğrenme teknikleriyle uçak tespiti
MEHMET SOYDAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Görüntü tabanlı otomatik yol tespiti ve modellenmesi
Image based automatic road detection and modeling
FEVZİ DAŞ
Doktora
Türkçe
2020
Jeodezi ve FotogrametriEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. UĞUR AVDAN
- Telekomünikasyon sektöründe kullanılan ek odaların sokak düzeyi görüntülerinden tespit edilmesi
Detection of manholes from street-level imagery in telecommunication business
AHMET EĞRİ
Yüksek Lisans
Türkçe
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CANER GÜNEY
- 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