Cloud classification using residual network
Residual network ile bulut görüntülerini sınıflandırması
- Tez No: 886277
- Danışmanlar: DR. OSMAN AKIN
- 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: OSTİM TEKNİK ÜNİVERSİTESİ
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- 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
- 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
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- 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
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NURDAN BAYKAN
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GAZİ ERKAN BOSTANCI
- 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
2021
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ÖZGÜN OK
- 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
2024
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAHADIR ERGÜN