Geri Dön

Deep learning-based cyclone detection, localization, and classification

Derin öğrenme tabanlı kiklon saptaması, konumlandırması ve sınıflandırması

  1. Tez No: 892564
  2. Yazar: ALİ İBRAHİM ÖZKAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ HAKAN YILDIZ
  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: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 76

Özet

Kiklonlar, tayfun veya kasırga olarak da bilinir ve en yıkıcı meteorolojik felaketler arasındadır. Geleneksel olarak, kiklonların tespiti ve kategorize edilmesinde insan çabası da gerektiren Saffir-Simpson ölçeği gibi ölçekler kullanılmıştır. Son zamanlarda, makine öğrenmesi teknikleri kiklonların tespiti ve kategorize edilmesini hızlandırma potansiyeli göstermiştir; ancak bu yöntemlerin doğrulukları, özellikle zayıf kiklon sınıfları için, bir miktar düşük kalmaktadır. Bu çalışmada, küresel hava durumu verisi üzerinde kiklonları tespit etmek, merkezlerini belirlemek ve sınıflandırmak için CycTrack isimli bir makine öğrenmesi uygulaması sunuyoruz. Üç özel alt modeli (kiklon tespiti, merkez belirleme ve sınıflandırma) kayan pencere yaklaşımıyla birleştiren CycTrack, dünya üzerindeki kiklonları otomatik olarak tespit ederek sınıflandırmaktadır. Yaklaşımımızın gücü, evrişimli sinir ağlarında topluluk öğrenmesi yöntemi ve dikkat mekanizmalı U-Net mimarisi başta olmak olmak üzere çeşitli derin öğrenme tekniklerine dayanmaktadır. Modellerimizin performansını, özellikle zayıf kiklon sınıfları için Küresel Tahmin Sistemi (GFS) verileri üzerinde değerlendirerek, literatürde üst sıralarda yer aldığını gösteriyoruz.

Özet (Çeviri)

Cyclones, commonly known as typhoons and hurricanes, are among the most impactful meteorological disasters. Traditionally, cyclones have been identified and measured with scales, such as the Saffir-Simpson scale, generally requiring human effort. Recently, machine learning methods have demonstrated potential in accelerating the assessment of cyclones; however, their accuracy remains somewhat low, particularly for weak cyclone classes. In this study, we present a machine learning framework, called CycTrack, to detect, localize and classify cyclones given global atmospheric weather state. Combining three specialized submodels (for cyclone detection, localization and classification) in a sliding-window approach, CycTrack automatically tracks and classifies cyclones on the Earth. The power of our approach relies on several deep learning techniques, including an ensemble of convolutional neural networks and an Attention U-Net. Through elaborate evaluation on the Global Forecast System (GFS) data, we demonstrate that the performance of our models, especially for weak cyclone classes, ranks high in the literature.

Benzer Tezler

  1. Deep learning-based building segmentation using high-resolution aerial images

    Yüksek çözünürlüklü hava görüntüleri kullanarak derin öğrenme temelli bina bölütlemesi

    BATUHAN SARITÜRK

    Doktora

    İngilizce

    İngilizce

    2022

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. DURSUN ZAFER ŞEKER

  2. Deep learning based fabric defect detection

    Derin öğrenme temelli kumaş hatası tespiti

    YAVUZ KAHRAMAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri MühendisliğiGaziantep Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALPTEKİN DURMUŞOĞLU

  3. Akıllı şebekelerdeki durum kestirimine karşı yapılan saldırıların derin öğrenme tabanlı tespiti

    Deep learning based detection of attacks against state estimation in smart grids

    SEYİT AHMET NAFİZ BURNAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiKaradeniz Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA ŞİNASİ AYAS

  4. Otonom drone ile alınan görüntülerden derin öğrenme tabanlı ray hattı bileşenlerinde hata tespiti

    Deep learning based fault detection of rail track components from images taken by autonomous drone

    MERVE YILMAZER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET KARAKÖSE

  5. Derin öğrenme tabanlı bakteri sınıflandırma

    Deep learning based bacteria classification

    ÖMER FARUK NASİP

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KENAN ZENGİN