Coğrafi bilgi sistemlerinde adres değişikliğinin derin öğrenme yöntemleri ile gerçek zamanlı olarak tespit edilmesi
Detection by using deep learning methods of address change in geographic information systems as real-time
- Tez No: 898072
- Danışmanlar: DOÇ. DR. BAHATDİN DAŞBAŞI, DOÇ. DR. MURAT TAŞYÜREK
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Coğrafi Bilgi Sistemleri, Derin Öğrenme, Faster R-CNN, YOLO, VGG, Geographic Information System, Deep Learning, Faster R-CNN, YOLO, VGG
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kayseri Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Coğrafi Bilgi Sistemleri (CBS) üzerinde bulunan adres kayıtlarının doğru ve güncel tutulması, coğrafi verilerin etkin bir şekilde yönetilmesi bakımından hayati bir öneme sahiptir. Geleneksel yöntemlerle, cadde ve sokak isimleri genellikle saha çalışmalarıyla toplanır ve bu bilgiler daha sonra manuel olarak Coğrafi Bilgi Sistemlerine entegre edilir. Ancak, bu süreç hem zaman alıcıdır hem de hata eğilimlidir. Manuel entegrasyon sürecinde, operatörler cadde ve sokak isimlerini elle CBS veri tabanına girmektedirler. Bu durum insan hatası riskini artırmakta ve sürecin verimliliğini düşürmektedir. Öte yandan adreslerin güncellenmesi ve eklenmesi süreci uzun zaman alabilir, bu da coğrafi verilerin güncelliğini olumsuz yönde etkileyebilir. Bu tez kapsamında yapılan çalışmalar, mevcut manuel entegrasyon sürecini optimize etmeyi amaçlamaktadır. Yapay zeka ve görüntü sınıflandırma tekniklerinin kullanımıyla, cadde ve sokak isimlerinin otomatik olarak tanımlanması ve Coğrafi Bilgi Sistemlerine minimum hata ile entegre edilmesi hedeflenmektedir. Bu tez çalışmasında başlangıçta makine öğrenmesi ve yapay zekâ algoritmaları detaylı olarak irdelenmiştir. Çalışmanın kapsamı içinde, Kayseri Büyükşehir Belediyesi tarafından sağlanan koordinatlı cadde ve sokak levhalarının görüntüleri kullanılmıştır. Bu görüntüler, saha elemanları tarafından elde edilmekte ve elde edilen bilgiler coğrafi bilgi sistemine manuel olarak giriş yapılmaktadır. Öncelikle, çalışma kapsamında elde edilen görüntülerdeki cadde ve sokak levhalarının tespitinin yapılması gerekmektedir. Bu amaçla, Kayseri ili Yeşilhisar ilçesinde muhtelif mahallelerden gelen, farklı açılarda çekilmiş koordinatlı görüntülerden Faster R-CNN, VGG ve YOLO algoritmaları kullanılarak görüntü içerisinde bulunan sokak levhaları tespit edilmiştir. Yapılan çalışmada her bir derin öğrenme mimarisinin adres levhalarının tespitininde performansı, doğruluk ve kesinlik gibi çeşitli ölçütler üzerinden değerlendirilmiştir. Yapılan değerlendirmeler neticesinde, Faster R-CNN mimarisi diğerlerine kıyasla en başarılı sonuçları vermiştir. Bu sonuçlar, Faster R-CNN'nin adres levhası tespiti görevinde üstün performans sergilediğini göstermektedir.
Özet (Çeviri)
Keeping address records on Geographic Information Systems (GIS) accurate and up-to-date is of vital importance for the effective management of geographic data. With traditional methods, street and avenue names are usually collected through field work and this information is then manually integrated into Geographic Information Systems. However, this process is both time-consuming and error-prone. In the manual integration process, operators manually enter street and avenue names into the GIS database. This increases the risk of human error and reduces the efficiency of the process. In addition, this process of updating and adding addresses can take a long time, which can negatively affect the up-to-dateness of geographic data. The studies conducted within the scope of this thesis aim to optimize the current manual integration process. With the use of artificial intelligence and image classification techniques, it is aimed to automatically define street and street names and integrate them into Geographic Information Systems with minimum error. In this thesis study, machine learning and artificial intelligence algorithms were initially examined in detail. Within the scope of the study, images of coordinated street and street signs provided by Kayseri Metropolitan Municipality were used. These images are obtained by field personnel and the information obtained is manually entered into the geographic information system. First of all, it is necessary to detect the street and street signs in the images obtained within the scope of the study. For this purpose, street signs in the image were detected using Faster R-CNN, VGG and YOLO algorithms from coordinated images taken from different angles in various neighborhoods in Yeşilhisar district of Kayseri province. In the study, the performance of each deep learning architecture in detecting address signs was evaluated on various criteria such as accuracy and precision. As a result of the evaluations, the Faster R-CNN architecture gave the most successful results compared to the others. These results show that Faster R-CNN exhibits superior performance in the task of detecting address signs.
Benzer Tezler
- A data-driven approach to identifying and selecting temporary disaster debris management sites: The case of Istanbul
Geçici afet moloz yönetim alanlarının belirlenmesi ve seçimi için veri odaklı bir yaklaşım: İstanbul örneği
BURAK KABAKLI
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞEYDA SERDAR ASAN
- Elektriksel adres dağıtımında yeni bir yaklaşım
A new approach to electrical address distribution
SEVBAN YENİ
Yüksek Lisans
Türkçe
2021
Enerjiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Glokom hastalığı tanı ve izlemede görüntü işleme ve bilgi teknolojileri
Image processing and information technologies for diagnosis and tracing glaucoma illness
İBRAHİM CANER TOSUNOĞLU
Yüksek Lisans
Türkçe
2009
Bilim ve TeknolojiKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HÜLYA YILDIRIM
- Coğrafi bilgi sitemi (CBS) ile metropoliten şehirlerde acil durum planlaması
Emergency planning in metropolitan cities by GIS
TURAN ERDEN
Yüksek Lisans
Türkçe
2001
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiYRD. DOÇ. DR. M. ZEKİ COŞKUN