U-Net ağı kullanılarak kamufle askeri unsurların tespiti
Detection of camouflaged military elements using the U-Net network
- Tez No: 876821
- Danışmanlar: DOÇ. DR. HÜSEYİN GÜRÜLER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kamuflaj geçmiş yıllardan beri doğada ve askeri alanda kullanılan bir gizlenme sanatıdır. Doğada gerçekleşen kamuflaj içgüdüsel ve doğal olarak gerçekleşirken, insanlar tarafından gerçekleştirilen kamuflaj sistemi doğa içerisindeki renkleri baz alarak gizlenme, saklanma ve korunma amacıyla yapılmaktadır. Tarihte savaş sanatında ordular savaş unsurlarının çeşitli kamuflaj sistemleri ile gizlemişler ve görünürlüğünü azaltmaya çalışmışlardır. Görünürlüğün azalması bulunan ortamın deniz, kum, orman vb. renk tonları ve doğasının desen renklerine bürünerek tespitin imkânsız hale getirilmesini amaçlamaktadır. Bu noktada sahada kamufle edilmiş unsurların tespitine yönelik insan gözünün ayırt edemeyeceği unsurların bilgisayarlı görüden faydalanarak anlamsal bölütleme ile maskeleme yapılabileceği bir model tasarlandı. Bu modelin eğitimi için açık kaynaklardan elde edilen kamufle askeri unsurların yer aldığı özel bir veri seti (AKS1) oluşturuldu. Oluşturduğumuz veri setinde kamufle edilmiş askeri unsurlar maskelenerek derin öğrenme modelinin girişine uygun bir formata getirildi. Modelimiz sayesinde biyomedikal alanda görüntü segmentasyonunda kullanılan U-Net, Özelleştirilmiş U-Net, Attention U-Net ağları ve transfer öğrenme modelleri (Resnet50 U-Net, VGG16 U-Net, Deep Labv3 Plus, Densenet-121 U-Net, EffıcientNetB0 U-Net, Mobilenet-v2 U-Net) birlikte kullanılarak kamufle edilmiş askeri unsurların tespiti ve maskelenmesi sağlanmıştır. Söz konusu modellerden Densenet121 U-Net ağı modelinin eğitilmesi ile yapılan tahminleme işleminde eğitim verilerinde %97.95, doğrulama verileri üzerinde %92.27, eğitime hiç dahil edilmemiş test verilerinde %91.41 IoU skorları elde ederek diğer modellerden daha başarılı bir sonuç gözlemlenmiştir. Modelin test verileri üzerinde yapılan hesaplamalarında Dice katsayısı skoru 77.0 olarak tespit edilmiştir. Kamufle olmuş nesnelerin anlamsal segmente edilmesi kapsamına yol gösterici olan çalışmamız, veri seti sayısının kısıtlı olduğu durumlarda kendi veri setimizin hazırlanarak hassas ve yüksek başarımlarla segmentasyon işlemi yapılmasını sağlamaktadır.
Özet (Çeviri)
Camouflage is an art of concealment that has been employed in nature and in the military field since the past years. While camouflage in nature is an instinctive and natural phenomenon, the camouflage system performed by humans is based on the colors in nature for concealment, hiding, and protection. In the history of warfare, armies have concealed the elements of war with various camouflage systems and attempted to reduce their visibility. The objective of reduced visibility is to render detection impossible by replicating the color tones and pattern colors of the surrounding environment, such as the sea, sand, forest, and so forth. At this juncture, a model was devised for the detection of camouflaged elements in the field. This model employs semantic segmentation using computer vision to mask elements that cannot be distinguished by the human eye. A special dataset (AKS1) containing camouflaged military elements was created for the training of this model. The camouflaged military elements in the dataset were masked and brought into a format suitable for the input of the deep learning model. A combination of U-Net, Custom U-Net, Attention U-Net networks and transfer learning models (Resnet50 U-Net, VGG16 U-Net, Deep Labv3 Plus, Densenet-121 U-Net, EffıcientNetB0 U-Net, Mobilenet-v2 U-Net) was employed to identify and delineate concealed military elements. In the prediction process conducted by training the Densenet121 U-Net network model, the IoU scores were 97.95% on the training data, 92.27% on the validation data, and 91.41% on the test data that had not been included in the training. This resulted in a more successful outcome than that observed with the other models. The Dice coefficient score calculated by our model on the test data was 77.0. Our study provides guidance in the field of semantic segmentation of camouflaged objects. It enables the preparation of a custom dataset in cases where the number of datasets is limited and the segmentation to be performed with precision and high achievements.
Benzer Tezler
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ
- Landsat uydusu aracılığı ile elde edilen görüntülerin sınıflandırılmaları ve bunlara ilişkin bilgisayar programlarının hazırlanması
Başlık çevirisi yok
G. FERZAN KÜÇÜKA
Yüksek Lisans
Türkçe
1985
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİS PÜSKÜLCÜ
- Türkiye'de serebral hareket bozukluklarının etiyolojisi epidemiyolojisi ve bazı klinik özellikleri
Başlık çevirisi yok
AŞER BENSUSAN
Tıpta Uzmanlık
Türkçe
1986
Çocuk Sağlığı ve Hastalıklarıİstanbul ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
- Dokuma kumaşlarda örgü tipinin ham kumaşın boyutları ve geometrik özellikleri üzerindeki etkilerinin araştırılması
Başlık çevirisi yok
EMEL ÖNDER
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR BAŞER