Makine öğrenmesi yöntemleri ile kara askeri araçların tespit ve sınıflandırılması
Detection and classification of land military vehicles with machine learning methods
- Tez No: 887711
- Danışmanlar: DOÇ. DR. FERZAN KATIRCIOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Düzce Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Bu çalışmada, askeri araçların görüntü işleme ve makine öğrenmesi algoritmaları kullanılarak tespit edilmesi üzerine odaklanılmıştır. Askeri araç olarak, BMC 6x6 kamyon, M113 Zırhlı Personel Aracı, Land Rover Defender ve Tank olmak üzere dört farklı kategori tercih edilmiştir. Her araç türüne ait 50 görsel olmak üzere toplamda 200 görselden oluşan bir veri seti hazırlanmıştır. Çalışmanın ilk adımında, görüntü işleme teknikleri uygulanarak görseller üzerinde ön görüntü işleme gerçekleştirilmiştir. Ön görüntü işleme safhası, arka planın çıkartılması, keskinleştirme filtresi ve görüntü boyutlarını küçültme işlemlerini kapsamaktadır. Bu adımın ardından, Yönlendirilmiş Eğimler Histogramı (HOG) ve İki Boyutlu Dalgacık Dönüşümü (2D-WT) yöntemleri kullanılarak özellik çıkarımı yapılmaktadır. Elde edilen özellikler, ReliefF (RF) ve Ana Bileşen Analizi (PCA) ile özellik seçimi yapılarak özellik matrisinin boyutlarının azaltılması sağlanmaktadır. Boyut azaltımı yapılarak gerçekleştirilen özellikler ve etiketler sırasıyla Karar Ağaçı (DT), K-en Yakın Komşu (K-NN), Naive Bayes (NB) ve Kaskat İleri Sinir Ağları (CFNN) algoritmalarına uygulanmıştır. Bu sınıflandırıcıların performansını değerlendirmek için kararlılık matrisi, doğruluk, F1 skoru ve kesinlik gibi metrikler kullanılmıştır. Sonuçlarda, her bir sınıflandırıcı için özellik çıkarım ve özellik seçim yöntemleri ile performansları ayrı ayrı uygulanmış ve incelenmiştir. Özellikle CFNN algoritmasının, görsel verilerin karmaşıklığı ve detaylarını en iyi şekilde yakalayarak yüksek doğruluk ve F1 skorları elde ettiği gözlemlenmiştir. HOG özellik çıkarım yöntemi ve RF özellik seçim yöntemlerinde en iyi sonuçlar elde edilmiştir. Bu çalışma sonucunda, askeri araçların tespiti konusunda görüntü işleme ve makine öğrenmesi algoritmalarının etkinliği gösterilmiş ve bu alanda gelecekteki araştırmalara önemli bir temel oluşturmuştur.
Özet (Çeviri)
This study focuses on the detection of military vehicles using image processing and machine learning algorithms. Four different categories were selected as military vehicles: BMC 6x6 truck, M113 Armored Personnel Carrier, Land Rover Defender, and Tank. A dataset consisting of a total of 200 images, with 50 images for each type of vehicle, was prepared. In the first step of the study, pre-processing was performed on the images using image processing techniques. The pre-processing phase includes background removal, sharpening filter, and image resizing. Following this step, feature extraction was conducted using Histogram of Oriented Gradients (HOG) and Two-Dimensional Wavelet Transform (2D-WT) methods. The extracted features were subjected to feature selection using ReliefF (RF) and Principal Component Analysis (PCA) to reduce the dimensions of the feature matrix. The obtained features and labels were then applied to Decision Trees (DT), K-Nearest Neighbors (K-NN), Naive Bayes (NB), and Cascade Forward Neural Networks (CFNN) algorithms. Metrics such as confusion matrix, accuracy, F1 score, and precision were used to evaluate the performance of these classifiers. The results showed that the performance of each classifier was separately applied and examined with feature extraction and feature selection methods. It was observed that the CFNN algorithm achieved high accuracy and F1 scores by capturing the complexity and details of the visual data in the best way. The best results were obtained in the HOG feature extraction method and RF feature selection methods. As a result of this study, the effectiveness of image processing and machine learning algorithms in the detection of military vehicles was demonstrated, providing a significant foundation for future research in this field.
Benzer Tezler
- Otonom kara araçları için insansız hava aracı ile negatif engel tespit metodu
Negative obstacle detection by unmanned aerial vehicle for autonomous land vehicles
SERTAÇ GÜL
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Gedik ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET SARIKAHYA
- Aircraft detection using deep learning
Derin öğrenme kullanarak hava aracı tespiti
UTKU MUTLU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR
- Time difference of arrival based passive sensing and positioning system integrated into moving platforms
Geliş zamanı farkı yaklaşımlı hareketli platformlara entegre pasif yayın algılama ve konumlandırma sistemi
BURAK AHMET ÇELEBİ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET NURİ AKINCI
- Çok amaçlı akıllı metasezgisel optimizasyon modeli ile nicel verilerde kural çıkarım temelli sınıflandırma modellerinin geliştirilmesi
Development of rule mining based classification models for quantitative data with many-objective intelligent metaheuristic optimization model
SUNA YILDIRIM
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. BİLAL ALATAŞ
- Çevresel koşulların sığırlarda süt verimi üzerine etkisinin makine öğrenme modelleri ile araştırılması
Evaluation of the impact of environmental conditions on dairy cattle milk yield using machine learning algorithms
HAKAN DUMAN
Doktora
Türkçe
2023
BiyoistatistikIğdır ÜniversitesiTarım Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET KAZIM KARA
DR. ÖĞR. ÜYESİ ONUR ŞAHİN