İnsansız hava araçlarının hafif bir derin öğrenme yöntemi ile sınıflandırılması
Classification of unmanned aerial vehicles using a lightweight deep learning method
- Tez No: 898791
- Danışmanlar: DR. ÖĞR. ÜYESİ YÜKSEL TOKUR BOZKUR, DOÇ. DR. HAKAN AÇIKGÖZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: GAZİANTEP İSLAM BİLİM VE TEKNOLOJİ ÜNİVERSİTESİ
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 70
Özet
Son yıllarda, İnsansız Hava Araçlarının (İHA) askeri ve güvenlik bölgeleri haricinde sivil alanda da kullanılmaya başlanmasıyla tarım alanlarını ilaçlamada ve gözetlemede, orman yangınlarını tespit etmede ve söndürmede, nakliye, doğal yaşamı gözlemleme, havadan fotoğraf ve görüntü çekimi yapma, deprem sonrası oluşan hasarların tespiti ve keşif yapma gibi birçok alanda yaygın olarak kullanılmaktadır. Günümüzde üretilen İHA'lar çok farklı ebat, şekil, yapılandırma ve karakterde olabilmektedir. Bu durum, önemli ve kritik görülen yerlerde İHA'ların tespit edilmesini ve sınıflandırılmasını zorunlu hale getirmektedir. Bu tez çalışmasında, İHA'ları ve kuşları sınıflandırmak için yoğun blok ve dikkat mekanizmasından oluşan bir evrişimli sinir ağı modeli önerilmiştir. Tez çalışmasında, çevirimiçi olarak elde edilen bir veri seti toplanmış ve bu veri setindeki görüntülere veri arttırma işlemi uygulanmıştır. Önerilen derin öğrenme modelinin sınıflandırma performansını değerlendirmek için karşılaştırma çalışmaları gerçekleştirilmiştir. Bu çalışmalarda, ön eğitimli modellerden olan AlexNet, ResNet-101, MobileNet-v2, ShuffleNet ve GoogleNet tercih edilmiştir. Gerçekleştirilen çalışmalarda, önerilen derin öğrenme modelinin doğruluk değeri %98.04 olarak hesaplanırken AlexNet, ResNet-101, MobileNet-v2, ShuffleNet ve GoogleNet'in doğruluk değerleri ise sırasıyla %91.50, %90.85, %92.81, %93.46 ve %94.77 olarak elde edilmiştir. Bu değerlerden önerilen yöntemin etkin bir sınıflandırma performansına sahip olmasının yanı sıra daha güvenilir sonuçları da garanti edebileceği değerlendirilmiştir.
Özet (Çeviri)
In recent years, unmanned aerial vehicles (UAVs) have started to be used in civilian areas, apart from military and security zones, in many areas such as pesticides and surveillance in agriculture, detecting and extinguishing forest fires, transportation, observing natural life, taking aerial photographs and images, detecting and reconnaissance of damages after earthquakes. Today, the produced UAVs can have very different sizes, shapes, configurations and characteristics. This situation makes it necessary to detect and classify UAVs in important and critical places. In this thesis, a convolutional neural network model consisting of dense block and attention mechanism is proposed to classify UAVs and birds. Firstly, a dataset obtained as online was collected and data augmentation process was applied to the images in this dataset. Then, comparison studies were carried out to evaluate the classification performance of the proposed deep learning model. In these studies, pre-trained models namely AlexNet, ResNet-101, MobileNet-v2, ShuffleNet and GoogleNet were preferred. In the studies, the accuracy value of the proposed deep learning model was calculated as 98.04%, while the accuracy values of AlexNet, ResNet-101, MobileNet-v2, ShuffleNet and GoogleNet were obtained as 91.50%, 90.85%, 92.81%, 93.46% and 94.77%, respectively. From these values, it was evaluated that the proposed method not only has an effective classification performance but also can guarantee more reliable results.
Benzer Tezler
- İnsansız Hava Aracı tespiti ve sınıflandırılması için derin öğrenme tabanlı tekniklerin geliştirilmesi
Development of deep learning based techniques for Unmanned Aerial Vehicle detection and classification
EMRULLAH KIZILAY
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. İLHAN AYDIN
- High-speed trajectory replanning and trajectory tracking for collision avoidance
Çarpışma önlemek için yüksek hızlı rota planlama ve rota takibi
MEHMET HASANZADE
Doktora
İngilizce
2021
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE KOYUNCU
- High-speed trajectory tracking controller design
Yüksek hızlı iz takip kontrolörü tasarımı
OMAR SHADEED
Yüksek Lisans
İngilizce
2024
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. EMRE KOYUNCU
- An efficient intelligent UAV for human action monitoring in smart cities environment
Akıllı şehirler ortamında insan eylem izleme için verimli bir akıllı İHA
NASHWAN ADNAN OTHMAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN AYDIN
- PEM yakıt pilleri için düşük ağırlıklı akış plakası geliştirilmesi
Development of light weight flow plate for PEM fuel cells
KIVANÇ KARACAN
Yüksek Lisans
Türkçe
2019
Makine MühendisliğiNiğde Ömer Halisdemir ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELAHATTİN ÇELİK