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: Gaziantep İslam Bilim ve Teknoloji Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
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
- Vision-based detection and recognition of maritime objects for autonomous surface navigation
Otonom deniz seyrüseferi için görüntü tabanlı engel tespiti ve gemi sınıflandırma
SEVDA SAYAN YONCA
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- 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
- Data-driven anomaly detection for airspace security using ADS-B surveillance data
ADS-B gözetim verisi ile hava sahası güvenliği için veri tabanlı anomali tespiti
ABDULLAH ÇERKEZOĞLU
Yüksek Lisans
İngilizce
2025
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. BARIŞ BAŞPINAR
- A smart intrusion detection systemagainst cyber attacks in unmanned aerial vehicles
İnsansız hava araçlarında siber saldırılara karşıakıllı saldırı tespit sistemi
BURCU SÖNMEZ SARIKAYA
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞERİF BAHTİYAR
- 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