Açık kaynaklı uydu görüntülerinde derin öğrenme yöntemleri kullanılarak uçak tespiti ve uçak tiplerinin belirlenmesi
Detection of aircraft and determination of aircraft types using deep learning methods in open source satellite images
- Tez No: 790790
- Danışmanlar: PROF. DR. UĞUR AVDAN
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 136
Özet
Yapay zekanın son yıllara damga vuracak derecede gelişmesiyle beraber derin öğrenme ve nesne tespiti kavramları çok popüler olmuştur. Özellikle bilgisayar donanımlarının ve bulut teknolojisinin gelişmesiyle beraber derin öğrenme herkes için ulaşılabilir ve uygulanabilir olmuştur. Nesne tespitinin yaygınlaşmasındaki en önemli faktör ise uydu, kamera, lens vb. teknolojilerindeki gelişmeler ile yüksek çözünürlüklü görüntülerin kolaylıkla elde edilebilir olmasıdır. Bu bağlamda özellikle uydu görüntüsü özelinde yapılan analiz çalışmaları hem sivil hem de askeri alanda oldukça yaygınlaşmıştır. Görüntüde nesne tespiti, nesne tanıma ve sınıflandırmanın otomatik olarak yapılması önemli bir ihtiyaçtır. Yolların, binaların, ekim alanlarının, havalimanlarının, uçakların, askeri alanların, hastanelerin, okulların, ormanların ve daha birçok nesnenin tespiti uydu görüntülerinde yapılabilmektedir. Bu nesneler içerisinde uçak tespiti dikkat çekmektedir. Uçakların tespit edilmesi ve tipinin belirlenmesi askeri açıdan stratejik seviyede önemlidir. Buradan yola çıkarak yapılan tez çalışmasında askeri nakliye, savaş ve yolcu tipi olmak üzere üç farklı uçak tipi belirlenmiştir. Nesne tespitinin başarıyla çalışması için yüzün üzerinde sivil ve askeri meydan incelenerek toplamda 529 adet özgün uydu görüntüsü indirilmiş, 917 adet nakliye uçağı, 1056 adet savaş uçağı, 966 adet yolcu uçağı olmak üzere toplam 2939 adet özgün uçak görüntüsü içeren bir veri kütüphanesi oluşturulmuştur. Uçakların tespiti için CenterNet Hourglass, YOLOR ve YOLOv7 algoritmaları kullanılmış, algoritmaların başarısı F1 skoru analizi ile değerlendirilmiştir. Sonuç olarak YOLOv7 %99,3, YOLOR %94,2 ve CenterNet Hourglass %79,6 F1 analiz skoru elde etmiştir.
Özet (Çeviri)
The concept of deep learning has become very popular with the development of artificial intelligence in recent years. Especially with the development of computer hardware and cloud technology, deep learning has become accessible and applicable for everyone. The most important factor in the spread of object detection is that high resolution images can be easily obtained with the developments in satellite, camera, lens, etc. technologies. In this context, analysis studies particularly on satellite imagery have become widespread in both civil and military fields. Automatic object detection, object recognition and classification in the image is an important requirement. Detection of roads, buildings, plantations, airports, airplanes, military areas, hospitals, schools, forests and many other objects can be made in satellite images. Aircraft detection draws attention among these objects. Detecting the aircraft and determining the type of aircraft is important at the military strategic level. Based on this, in the thesis study, three different aircraft types were determined as military transport, combat and passenger type. In order for the object detection to work successfully, over a hundred civil and military airports were examined and a total of 529 original satellite images were downloaded. The data set containing a total of 2939 original aircraft images, including 917 transport planes, 1056 warplanes and 966 passenger planes was created. CenterNet Hourglass, YOLOR and YOLOv7 algorithms were used for detection of aircraft, and the success of the algorithms was evaluated with F1 score analysis. As a result, YOLOv7 achieved an F1 analysis score of 99.3%, YOLOR 94.2% and CenterNet Hourglass 79.6%.
Benzer Tezler
- Evrişimli sinir ağları ile yüksek çözünürlüklü uydu görüntülerinden uçak tespiti
Aircraft detection from high resolution satellite images with convolutional neural networks
EMİNE DİLŞAD ÜNSAL
Yüksek Lisans
Türkçe
2021
Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Vessel detection from very high-resolution satellite images with deep learning methods
Derin öğrenme metotları kullanılarak çok yüksek çözünürlüklü uydu görüntülerinden gemi tespiti
FURKAN BÜYÜKKANBER
Yüksek Lisans
İngilizce
2022
Bilim ve Teknolojiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. MUSTAFA YANALAK
- Aiding agricultural practices with the exploration of earth observation data via machine learning
Yer gözlem uydu verilerinin tarımsal uygulamalara yardımcı olmak amacıya makine öğrenme algoritmaları ile incelenmesi
MEHMET FURKAN ÇELİK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ESRA ERTEN
- Semantic segmentation of UAV images in archaeological sites using deep learning
Arkeolojik alanlardaki İHA görüntülerinin derin öğrenme yardımıyla anlamsal segmentasyonu
DAMLA KUMBASAR
Yüksek Lisans
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- 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