Geri Dön

Cloud classification using residual network

Residual network ile bulut görüntülerini sınıflandırması

  1. Tez No: 886277
  2. Yazar: MERYEM SENA BARK
  3. Danışmanlar: DR. OSMAN AKIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: OSTİM TEKNİK ÜNİVERSİTESİ
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 45

Özet

Bulut oluşumlarını tanımlamak ve bu oluşumlara dayanarak hava durumu tahmini yapmak, birçok birey ve sektör için hayati öneme sahip görevlerdir. Uydu görüntülerinden elde edilen bulutların tanımlanması ve şekillerinin belirlenmesi, hava durumu tahmin süreçlerini önemli ölçüde kolaylaştırabilir. Bulut şekli tahmini için yapay zekanın kullanılması konusundaki son gelişmelere rağmen, bulutların karmaşık yapıları nedeniyle bu zorluk devam etmektedir. Bu tez, gelişmiş derin öğrenme algoritmalarını kullanarak bulut sınıflandırma performansını iyileştirmeyi hedeflemektedir. 2 farklı veri seti üzerinde çalıştığımız tezde öncelikle NASA Worldview tarafından oluşturulan 5546 fotoğraf üzerinde 4 farklı bulut türünün (balık, şeker, çakıl, çiçek) sınıflandırılması ve sonrasında Harvard Üniversitesi tarafından sağlanan 11 sınıflı 2543 tane fotoğrafı bulunan Cirrus Cumulus Stratus Nimbus (CCSN) üzerine ResNet50 derin öğrenme modeli, bulut görüntülerinin özelliklerini çıkarmak ve sınıflandırmak için kullanılmıştır. Kayıp fonksiyonu olarak binary cross entropy ve weighted binary cross entropy tercih edilmiştir, bu da sınıflandırma işlemlerinin doğruluğunu ve dengesini artırmak amacı taşımaktadır. Veriler çeşitli veri işleme teknikleriyle analiz edilerek sınıflandırma işlemi için uygun hale getirilmiş ve literatürdeki diğer çalışmaların sonuçları ile kıyaslanarak performans analizi yapılmıştır. Çalışma doğrultusunda 5546 fotoğraf üzerinden %69.1 başarı oranı ve CCSN veri seti üzerinden de eğitim sonucunda %91.6 başarı sonucu elde edilmiştir.

Özet (Çeviri)

Identifying cloud formations and making weather predictions based on these formations are crucial tasks for many individuals and industries. The classification and delineation of clouds from satellite images significantly facilitate weather forecasting processes. Despite recent advancements in using artificial intelligence for cloud shape prediction, the complexity of cloud structures continues to pose challenges. This thesis aims to enhance cloud classification performance using advanced deep learning algorithms. In this study, we worked with two different datasets. Firstly, we classified four types of clouds (fish, sugar, pebble, flower) on 5546 photographs sourced from NASA Worldview. Subsequently, we used the ResNet50 deep learning model on the CCSN dataset provided by Harvard University, which comprises 2543 photographs categorized into 11 classes (Cirrus, Cumulus, Stratus, Nimbus). The ResNet50 model was employed to extract features and classify cloud images. Binary cross-entropy and weighted binary cross-entropy loss functions were chosen to enhance classification accuracy and balance. Various data preprocessing techniques were applied to prepare the data for classification, and the performance was analyzed by comparing it with results from other studies in the literature. Through this study, we achieved a success rate of 69.1% on the 5546 photographs and 91.6% after training on the CCSN dataset. This underscores the effectiveness of our approach in cloud classification using deep learning techniques.

Benzer Tezler

  1. Land cover classification using cloud-based machine learning techniques: A case study from Istanbul Metropolitan City

    Bulut tabanlı makine öğrenmesi teknikleri kullanılarak arazi örtüsü sınıflandırması: İstanbul Metropol örneği

    ŞEVVAL DURMAZBİLEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  2. 3D Lidar nokta bulutu işlemede sınır gözetimli voksel tabanlı bir segmentasyon yöntemi geliştirilmesi

    Developing a border constrained voxel-based segmentation method in 3D Lidar point cloud processing

    ALİ SAĞLAM

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NURDAN BAYKAN

  3. Bulut görüntüleri ile derin öğrenme teknikleri kullanılarak hava durumunun açık/kapalı şeklinde sınıflandırılması

    Cloudy/clear weather classification using deep learning techniques with cloud images

    MÜRÜVVET KALKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GAZİ ERKAN BOSTANCI

  4. Classification of point clouds acquired through mobile laser scanner in urban areas using geometric and shape features

    Kentsel alanlarda mobil lazer tarayıcı ile elde edilen nokta bulutlarının geometrik ve şekil özellikleri kullanılarak sınıflandırılması

    SEMANUR SEYFELİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Jeodezi ve FotogrametriHacettepe Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ ÖZGÜN OK

  5. Nokta bulut verilerde bulanık mantık tabanlı sınıflandırma uygulaması ve analizi

    Fuzzy logic based on point cloud data classification application and analysis

    ZERRİN BAYRAM

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Jeodezi ve FotogrametriGebze Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BAHADIR ERGÜN