Crop classification with attention based BI-LSTM and temporal convolution neural network combination for remote sensing Breizhcrop time series data
Uzaktan algılama Breizhcrop zaman serisi verileri için dikkat tabanlı BI-LSTM ve zamansal evrişimli sinir ağı kombinasyonu ile mahsul sınıflandırması
- Tez No: 880256
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET COŞKUNÇAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
Amaç: Modern çağda, uzaktan algılama verileri arazi kullanımı ve kapsama gereksinimlerini belirlemek için giderek daha yararlı hale gelmiştir. Uzaktan algılama verileri, mahsullerin sınıflandırılması da dahil olmak üzere çeşitli amaçlar için kullanılabilir. Bu verilerin zaman serilerine göre daha eksiksiz bir resim elde etmek için zaman içinde belirli bir alan için uzaktan algılama verilerini toplamak mümkündür. Yöntem: Bu tür verilere bir örnek, Sentinel 2 tarafından belirli bir süre boyunca elde edilen uydu görüntüleri kullanılarak toplanan Breizhcrop veri kümesidir. Bu çalışmanın amacı, mahsullerin sınıflandırılması için Temporal-CNN ile birlikte BI-LSTM katmanını kullanan dikkat mekanizmalarına dayalı bir sinir ağını araştırmaktır. Bulgular: Tasarlanan sinir ağını kullanarak, dikkat mekanizmasına sahip yerel özellikler ve ikinci bir katmana sahip genel özellikler bulunmaya çalışılmaktadır. Bu özelliklerden yararlanarak %82 doğruluk oranı yüksek bir model geliştirilmiştir. Sonuç: Bu sinir ağı BreizhCrop veri setinde doğrulanmış ve alternatif yaklaşımlardan daha iyi performans gösterdiği sonucuna varılmıştır.
Özet (Çeviri)
Purpose: In the modern era, remote sensing data have become more beneficial for determining land usage or cover needs. Remote sensing data can be suitable for various issues including the classification of crops. It is possible to aggregate remote sensing data for a specific area over time in order to obtain a more complete picture based on the time series of this data. Method: One example of these types of data is the Breizhcrop dataset, which was collected using satellite images acquired by Sentinel 2 during of time. This study aims to investigate a neural network based on attention mechanisms using the BI-LSTM layer in conjunction with Temporal-CNN for the classification of crops. Findings: Utilizing the designed neural network, we seek to find local features with the attention mechanism and general features with a second layer. Taking advantage of these features, we developed a model that has a high accuracy rate of 82%. Results: This neural network was validated on the BreizhCrop dataset and we conclude that it performs better than alternative approaches.
Benzer Tezler
- New deep learning based approaches for land cover classificationin satellite images
Uydu görüntülerinde arazi örtüsü sınıflandırması için yeni derin öğrenme tabanlı yaklaşımlar
BAHAA AWAD
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Random forest classification of tomato fields with planet satellite image data and accuracy assessment
Planet uydu görüntü verileriyle yüksek doğruluklu domates ürün tipi sınıflandırmasında rastgele orman sınıflandırma yönteminin kullanımı ve doğruluk analizi
BETÜL ŞALLI
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE FİLİZ SUNAR
- Design and life cycle assessment of integrated organosolv based biorefinery: Simulated case studies utilizing sessile oak (Quercus petraea) coppices and industrial wood sawdust from Bursa/Turkey region
Entegre organosolv bazlı biyorafineri tasarımı ve yaşam döngüsü değerlendirmesi: Bursa/Türkiye bölgesinden sapsız meşe (Quercus petraea) ve endüstriyel odun talaşı kullanarak durum çalışmaları simülasyonu
MERVE NAZLI BORAND
Doktora
İngilizce
2019
Enerjiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. FİLİZ KARAOSMANOĞLU
- Land cover segmentation of very high-resolution remotely sensed data using CNN and transformer models
Transformer ve CNN modelleri kullanarak çok yüksek çözünürlüklü uzaktan algılama görüntülerinin arazi örtüsü segmentasyonu
CENGİZ AVCI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUydu Haberleşmesi ve Uzaktan Algılama Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Uzman sistemler ve ulaştırma alanında kullanımları
Expert systems and using them in transportation
A.BURAK GÖKTEPE
