Derin öğrenme yöntemleri kullanarak uzaktan algılama görüntülerinde değişiklik tespiti
Change detection in remote sensing images using deep learning methods
- Tez No: 890325
- Danışmanlar: DR. ÖĞR. ÜYESİ ÇAĞRI ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
Özet
Uzaktan algılama görüntülerinde değişiklik tespiti, çevresel izlemeyi sağladığından şehir planlama ve afet yönetimi gibi birçok alan için önemli bir araştırma konusudur. Derin öğrenme yöntemlerinin performanslarında meydana gelen artış, bu alandaki ilerlemeleri de beraberinde getirmiştir. Zaman içerisinde meydana gelen değişikliklerin doğrudan uzaktan algılama görüntülerinden tespit edilmesi, süreçleri hızlandırması nedeniyle büyük öneme sahiptir. Bu tez çalışmasında yüksek çözünürlüklü uzaktan algılama görüntülerinde değişiklik tespiti için Siyam tabanlı U2-Net (SU2-Net) adında yeni bir model geliştirilmiştir. Derin bir ağ modeli kullanarak hesaplama maliyetini önemli ölçüde artırmadan değişiklikleri daha verimli ve başarılı bir şekilde tespit edebilmek amacıyla, mevcut U2-Net modeli Siyam tabanlı bir mimariye dönüştürülmüştür. Çalışmada değişiklik tespit veri seti (Change detection dataset – CDD) kullanılmıştır. Dengeli sonuçlar elde etmek için hibrit kayıp fonksiyonundan yararlanılarak değişiklikler tespit edilmiştir. Deneysel çalışmalar sonucunda, 1,35 M parametre ve 39,55 G FLOPs değerine sahip SU2-Net modeli ile 0,953 hassasiyet, 0,945 duyarlılık, 0,948 F1-Skor ve 0,961 AUC değerleri elde edilmiştir. Literatürde benzer çalışmalar ile karşılaştırıldığında, geliştirilen model yüksek performans göstererek hem hesaplama maliyeti hem de performans metriklerinde iyileşmeler sağlamıştır.
Özet (Çeviri)
Change detection in remote sensing images is an important research topic for many fields, such as urban planning and disaster management, as it enables environmental monitoring. The increase in the performance of deep learning methods has brought about advances in this field. Detecting changes that occur over time directly from remote sensing images is of significant importance, as it speeds up the process. In this thesis study, a new model called Siamese-based U2-Net (SU2-Net) was developed for change detection in high-resolution remote sensing images. In order to detect changes more efficiently and successfully without significantly increasing the computational cost using a deep network model, the existing U2-Net model was transformed into a Siamese-based architecture. Change detection dataset (CDD) was used in the study. In order to obtain balanced results, changes were detected using the hybrid loss function. As a result of experimental studies, 0.953 precision, 0.945 recall, 0.948 F1-Score, and 0.961 AUC values were obtained with the SU2-Net model with 1.35 M parameters and 39.55 G FLOPs value. Compared to similar studies in the literature, the developed model showed high performance and improved both computational cost and performance metrics.
Benzer Tezler
- Derin öğrenme yöntemleri ile uydu görüntülerinden gemilerin tespiti ve sınıflandırılması
Detection and classification of ships from satellite images using deep learning methods
MEHMET SAMİ TÜRKER
Yüksek Lisans
Türkçe
2024
Savunma ve Savunma TeknolojileriKırıkkale ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ENES AYAN
- Identification of tea plantation areas using Google cloud based random forest and deep learning
Google bulut servise dayalı rastgele orman ve derin öğrenme ile çay tarım alanlarının belirlenmesi
BERKAY ÖZEN
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESRA ERTEN
- İstanbul'da kentsel büyümenin senaryo tabanlı modellenmesi ve ekolojik açıdan değerlendirilmesi
Scenario-based modeling and evaluation of urban growth in Istanbul
ALİYE GONCA BOZKAYA KARİP
Doktora
Türkçe
2024
Şehircilik ve Bölge PlanlamaMimar Sinan Güzel Sanatlar ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. FATMA ÜNSAL
- Aiding agricultural practices with the exploration of earth observation data via machine learning
Yer gözlem uydu verilerinin tarımsal uygulamalara yardımcı olmak amacıya makine öğrenme algoritmaları ile incelenmesi
MEHMET FURKAN ÇELİK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ESRA ERTEN
- Derin öğrenme ile yeşil alanların çıkarımı
Exraction of green areas with deep learning
YUSUF YEKTA GÜZEL
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANİME MELİS UZAR DİNLEMEK