Analysis of geospatial satellite images using deep learning
Derin öğrenme kullanarak jeosamal uydu görüntülerinin analizi
- Tez No: 799290
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- 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: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 81
Özet
Bilgisayarla Görü ve eleştirel bir yaklaşımdır. Son teknik gelişmelerin bir sonucu olarak, uzaktan algılama araştırmacıları makine öğrenimiyle, özellikle derin öğrenimle giderek daha fazla ilgileniyorlar. Bir ağ modelini eğitmek için bir uydu resmi ve onunla ilişkili etiket verilerini kullandık ve model eğitimi hakkında bir rapor sağladık işlem. Bunu takiben model, bir bina vektör dosyasından çevrilmiş bina ayak izlerinden oluşan deneysel verileri oluşturmak için kullanıldı. Test setinden gelen veriler ağ modeline dahil edildiğinde, hedefler ve çevreleri arasında ayrım yapılabiliyordu. U-net mimarisi semantik segmentasyonu gerçekleştirmek için kullanıldı. Semantik bölümleme, yüksek derecede esneklik ve performans nedeniyle popülerlik kazanıyor. Kodlayıcılara ve kod çözücülere dayalı anlamsal bölümleme mimarileri daha yaygın hale geliyor.
Özet (Çeviri)
Computer Vision and is a critical approach. As a result of recent technical breakthroughs, researchers in remote sensing are becoming increasingly interested in machine learning, especially deep learning We utilized a satellite picture and the label data associated with it to train a network model, and we provided a report on the model training process. Following that, the model was used to create experimental data, which comprised of translated building footprints from a building vector file. Once the data from the test set was incorporated into the network model, it was able to distinguish between targets and their surroundings. The U-net architecture was used to accomplish semantic segmentation. Semantic segmentation is gaining popularity owing to its high degree of flexibility and performance. Semantic segmentation architectures based on encoders and decoders are becoming more prevalent.
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
- Uzaktan algılama verileri kullanarak derin öğrenmeye dayalı arazi kullanımı ve arazi örtüsü haritalama modeli geliştirme
Developing a deep learning-based land use and land cover mapping model using remote sensing data
ŞAZİYE ÖZGE ATİK
Doktora
Türkçe
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZHAN İPBÜKER
- A deep learning based framework for identification of ship types using optical satellite images
Optik uydu görüntüleri kullanarak gemi tiplerinin imliklendirilmesi için derin öğrenme tabanlı yöntem
SERDAR KIZILKAYA
Doktora
İngilizce
2023
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Açıklanabilir yapay zeka yöntemleri ile toprak tuzluluğu haritalarının üretilmesi
Soil salinity mapping using explainable artificial intelligence methods
SAMET AKSOY
Yüksek Lisans
Türkçe
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Google earth engıne kullanılarak uydu görüntülerinin sınıflandırılması, çevresel değişim analizleri ve müsilaj haritalama
Google earth engine using to classification of satellite images, environmental change analysis and mucilage mapping
MERVE GÖRAL
Yüksek Lisans
Türkçe
2022
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. TAŞKIN KAVZOĞLU