Hava araçları ile alınan görüntülerden derin öğrenme ile felaketzede tespiti
Human - survivor detection for unmanned aerial vehicle with deep learning technics
- Tez No: 795391
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT OLCAY ÖZCAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kırklareli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 76
Özet
İnsansız hava araçlarından alınan görüntüler kullanılarak nesne, insan vb. tespit ve takip çalışmaları için en önemli ihtiyaçlardan biri kaliteli ve büyük veri setlerini oluşturmaktır. Söz konusu ihtiyacı gidermek amacı ile eğitim başarısı ispatlanmış bir veri kümesi ile eğitilmiş Evrişimsel Sinir Ağı'ndan (ESA – CNN Convolutional Neural Network) bilgi transferi yapılarak insan tespiti ve poz kestirimine göre felaketzede tanıma işlemi gerçekleştirilmiştir. İnsansız hava aracından alınan nesne ve insan görüntüleri yüksekten, kuşbakışı olarak çekilmektedir. Bu durum nesnelerin tanınmasını ve bu büyük görüntülerin gerçek zamanlı olarak işlenmesini zorlaştırmaktadır. Bu çalışmada gerçek zamanlı veri işlemede oldukça hızlı olması dolayısıyla araştırmada 'You Only Look Once' YOLO-V5 ve YOLO-V7 algoritmaları kullanılmıştır. İnsansız hava aracından alınan görüntüleri işlemede karşımıza çıkan bir diğer zorluk ise az sayıda piksel ile temsil edilmelerinden dolayı küçük ve uzaktaki nesnelerin algılanmasıdır. Bu sebeple geniş alan görüntülerini incelemek amacıyla YOLO-V5 algoritması ile uyumlu çalışan SAHI çerçevesi kullanılmış olup YOLO-V7 algoritmasının poz kestirim özelliği kullanılarak sonuçlar benzer veriler üzerinden tartışılmıştır. Tez çalışması kapsamında gerçekleştirilen test veri seti deneme sonucunda YOLO-V5 nesne tanıma algoritması kullanılarak 0,8508 doğruluk oranı ve F1 Skoru 0,8701 elde edilmiştir. YOLO-V5 + SAHI algoritmasının test veri seti sonucunda ise 0,9055 doğruluk oranı ve F1 Skoru 0,9220 olarak elde edilmiştir. YOLO-V7 algoritması ile 0,8306 doğruluk oranı ve F1 Skoru ise 0,8531 olarak elde edilmiştir. Elde edilen sonuçlar karşılaştırıldıktan sonra gerçek zamanlı olarak afetzede tespit amacıyla farklı yüksekliklerden alınan görüntüler tez çalışmasında kullanılan tüm modeller tez çalışması kapsamında araştırılmıştır.
Özet (Çeviri)
One of the most important needs for object, human, etc. detection and tracking studies using images from unmanned aerial vehicles is to create high quality and large data sets. In order to meet this need, human detection and human recognition according to posture was performed by transferring information from a Convolutional Neural Network (CNN Convolutional Neural Network) trained with a proven dataset. Object and human images taken from the unmanned aerial vehicle are taken from a bird's eye view from a height. This makes it difficult to recognize objects and process these large images in real time. In this study, 'You Only Look Once' YOLO-V5 and YOLO-V7 algorithms are used in this research because they are very fast in real-time data processing. Another challenge in processing images from an unmanned aerial vehicle is the detection of small and distant objects due to their small number of pixels. For this reason, the SAHI framework, which is compatible with the YOLO-V5 algorithm, was used to analyze wide-area images, and the results were discussed on similar data using the pose estimation feature of the YOLO-V7 algorithm. As a result of the test data set experiment conducted within the scope of the thesis study, an accuracy rate of 0.8508 and an F1 Score of 0.8701 were obtained using the YOLO-V5 object recognition algorithm. As a result of the test data set of the YOLO-V5 + SAHI algorithm, an accuracy rate of 0.9055 and an F1 Score of 0.9220 were obtained. With the YOLO-V7 algorithm, an accuracy of 0.8306 and an F1 Score of 0.8531 were obtained. After comparing the results obtained, all the models used in the thesis study were investigated within the scope of the thesis study for images taken from different heights for disaster victim detection in real time.
Benzer Tezler
- Adaptive blended visual localization system based on artificial neural networks for unmanned air vehicles
İnsansız hava araçları için adaptif harmanlanmış yapay ağ temelli görsel navigasyon sistemi
OĞUZHAN YILMAZ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Gedik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. HALİT HAMİ ÖZ
- Investigating a road traffic detection using YOLOv7
YOLOv7 kullanarak bir yol trafik algılamasını incelemek
OLUWASEYI EBENEZER OGUNBOYE
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiÜsküdar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞABAN SELİM ŞEKER
- İnsansız hava aracı görüntülerinden derin öğrenme yöntemleriyle nesne tanıma
Deep learning methods object recognition from unmanned aerial vehicle imagesphotos
SEMİH MURAT
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDAL GÜVENOĞLU
- Target detection and tracking from unmanned aerial vehicle cameras using embedded GPU
Gömülü cihazlar kullanarak insansız hava araçları üzerinden hedef tespit ve takibi
FIRAT MEHMETOĞLU
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YAHYA KEMAL BAYKAL
- Derin öğrenme yöntemlerini kullanarak iha görüntülerinden çevresel atık tespiti
Detection of environmental waste out of uav images by using deep learning methods
SERKAN ÇELİK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYHAN ALTINÖRS