Geri Dön

Makine öğrenmesi yöntemleri ile kara askeri araçların tespit ve sınıflandırılması

Detection and classification of land military vehicles with machine learning methods

  1. Tez No: 887711
  2. Yazar: ANIL AKBALIK
  3. Danışmanlar: DOÇ. DR. FERZAN KATIRCIOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Düzce Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Gedik Üniversitesi

    Yapay Zeka Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET SARIKAHYA

  2. Aircraft detection using deep learning

    Derin öğrenme kullanarak hava aracı tespiti

    UTKU MUTLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. SEDEF KENT PINAR

  3. 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

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET NURİ AKINCI

  4. 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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLAL ALATAŞ

  5. 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

    Türkçe

    2023

    BiyoistatistikIğdır Üniversitesi

    Tarım Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET KAZIM KARA

    DR. ÖĞR. ÜYESİ ONUR ŞAHİN