Evaluating the performance of CNN-based algorithms for building extraction in comparison with classical image processing methods
CNN tabanlı algoritmaların klasik görüntü işleme yöntemleri ile kıyaslanarak bina çıkarımı performansının değerlendirilmesi
- Tez No: 896775
- Danışmanlar: DOÇ. DR. BURCU GÜLDÜR ERKAL
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Yol Tıkanıklık Tespiti, Deprem Etkisi, Felaket Müdahalesi, Evrişimli Sinir Ağları, CNN Algoritmaları, Görüntü İşleme, Python Programlama, Felaket Yardımı, Deprem Sonrası Değerlendirme, Sismik Olay, Türkiye Depremi, Hava Gözlemi, Grafiksel Kullanıcı Arayüzü (GUI), Gerçek Zamanlı Sonuçlar Görüntüleme, Görüntü İşleme Yöntemleri, Karar Destek Arayüzü, İnsani Yardım, Makine Öğrenme Algoritmaları, Bilgisayarlı Görü, İnsani Müdahale, Kriz Yönetimi, Coğrafi Bilgi Sistemine Dayalı Karar Desteği, Road Blockage Detection, Earthquake Impact, Disaster Response, Convolutional neural networks, CNN Algorithms, Image Processing, Python Programming, Disaster Relief, Post-Earthquake Assessment, Seismic Event, Turkish Earthquake, Aerial Observation, Graphical User Interface (GUI), Real-Time Results Visualization, Image Processing Methods, Decision Support Interface, Humanitarian Aid, Machine Learning Algorithms, Computer Vision, Human Intervention, Crisis Management, Geographic Information System-based Decision Support
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 140
Özet
6 Şubat 2023 tarihinde, yerel saatle sabah 04:17'de (01:17 UTC), Mw 7.8 büyüklüğünde güçlü bir deprem Suriye'nin kuzey ve batı bölgeleri ile Türkiye'nin güney ve orta kesimlerini vurdu. Türkiye'de meydana gelen bu yıkıcı depremin ardından enkazla dolu kapalı yollar, afet müdahale ve iyileştirme çabalarını ciddi şekilde engellemektedir. Bu tez, dronlarla çekilen görüntüler kullanılarak deprem sonrası oluşan enkaz nedeniyle kapalı yolların tespiti ve sınıflandırılması için algoritmaların geliştirilmesi ve değerlendirilmesine odaklanmaktadır. Çalışmada, Python'da uygulanan klasik görüntü işleme yöntemleri ile Konvolüsyonel sinir ağı (CNN) tabanlı algoritmalar kullanılmaktadır. Deprem sonrası çekilen görüntüleri içeren benzersiz veri seti, felaketin ardından oluşan kapsamlı yol tıkanıklıklarının detaylı bir resmini sunmaktadır. Çalışma, Python dilinde uygulanan klasik görüntü işleme yöntemleri ile birlikte Convolutional neural network (CNN) tabanlı algoritmaları kullanmaktadır. Depremin ardından yakalanan görüntüler içeren benzersiz bir veri kümesi, felaketin yan etkileri olarak oluşan geniş yol tıkanıklıklarının ayrıntılı bir resmini sunmaktadır. Bu araştırmanın önemli bir katkısı, sezgisel ve kullanıcı dostu bir Grafiksel Kullanıcı Arayüzü (GUI) paneli oluşturulmasıdır. Bu GUI paneli, klasik ve derin öğrenme görüntü işleme yöntemlerinin geniş bir yelpazesini sergileyen kapsamlı bir platform olarak hizmet vermektedir ve kullanıcılara bu yöntemlerin sonuçlarını etkileşimli olarak görüntüleme imkanı sunmaktadır. Bu etkileşimli araç, yalnızca algoritmik çıktılara erişimi basitleştirmekle kalmayıp aynı zamanda felaket müdahale ekiplerini ve karar vericileri veri odaklı ve etkili kararlar almada yeteneklendirmektedir. Bu araştırmanın temel amacı, önerilen algoritmaların yol tıkanıklarının doğasını ve yaygınlığını tanımlamada ne kadar doğru ve etkili olduğunu değerlendirmektir. Enkazla dolu yol segmentleri ile açık kalanlar arasındaki ayrımı yaparak, bu çalışma felaket yardım lojistiğini hızlandırmak ve iyileştirme operasyonlarını önceliklendirmek için kritik bilgiler sunmaktadır. Bu tezde sunulan bulgular, deprem sonrası iyileştirme operasyonlarının veri odaklı karar süreçlerini hızlandırarak etkilenen toplulukların genel direncine katkıda bulunarak felaket yönetimi araç setini geliştirmektedir.
Özet (Çeviri)
In the early morning of Local time at 04:17 AM, on the sixth of February 2023, (01:17 UTC), a powerful earthquake measuring Mw 7.8 struck Syria's northern and western regions as well as the southern and central portions of Turkey.. The serious problem of closed roads laden with debris, arising after the devastating earthquake in Turkey, significantly hampers disaster response and recovery efforts. This thesis emphasizes the growth and evaluation of algorithms for the detection and classification of closed roads due to debris generated after the earthquake, using images captured by drones. The study employs classic image processing methods implemented in Python along with Convolutional neural network (CNN) based algorithms. The unique dataset containing images captured after the earthquake provides a detailed picture of extensive road blockages resulting from the disaster's aftermath. An important contribution of this research the emergence of an intuitive and A GUI (Graphical User Interface) that is intuitive and easy for users to navigate. This GUI panel serves as a comprehensive platform showcasing a wide range of classical and deep learning image processing methods, allowing users to interactively visualize the results of these methods. This interactive tool not only simplifies access to algorithmic outputs but also empowers disaster response teams and decision-makers to make data-driven and effective decisions. The principal aim of of This research is to to assess how accurate and effective the proposed algorithms are in identifying the nature and prevalence of road blockages. By distinguishing between road segments filled with debris and those left open, this study provides critical information to expedite disaster relief logistics and prioritize recovery operations. The findings presented in this thesis contribute to enhancing the disaster management toolkit by expediting data-driven decision processes for post-earthquake recovery operations, thereby contributing to the overall resilience of affected communities.
Benzer Tezler
- Video concept classification and retrieval
Video kavram sınıflandırma ve geri erişimi
HİLAL ERGÜN AKYÜZ
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA SERT
- Semantic segmentation of UAV images in archaeological sites using deep learning
Arkeolojik alanlardaki İHA görüntülerinin derin öğrenme yardımıyla anlamsal segmentasyonu
DAMLA KUMBASAR
Yüksek Lisans
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Derin öğrenme sınıflandırıcıları kullanarak bina cephe görüntülerinin hızlı görsel tarama analizi
Fast visual analysis of building facade images using deep learning classifier for rapid visual screening
FUAT YALINIZ
Yüksek Lisans
Türkçe
2022
Mekatronik MühendisliğiKTO Karatay ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AMIR YAVARIABDI
PROF. DR. MUSA HAKAN ARSLAN
- Konik ışınlı bilgisayarlı tomografi görüntülerinin yapay zekâ ile değerlendirilmesi
Evaluation of cone-beam computed tomography images with artificial intelligence
TUĞBA ARI
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiEskişehir Osmangazi ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DOÇ. DR. İBRAHİM ŞEVKİ BAYRAKDAR
- Güç sistemlerinde geçici hal kararsızlığının ve gelişiminin derin öğrenme ve karar ağacı tabanlı yöntemler ile geniş alan ölçümlerine dayalı olarak erken kestirimi
Wide area measurement based early prediction of power system transient instability and its evolution using deep learning and decision tree based algorithms
MERT KESİCİ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ