Uzaktan algılama görüntülerinin evrişimli sinir ağları tabanlı sınıflandırılmasında topluluk öğrenmesi ve hiperparametre optimizasyonu
Ensemble learning and hyperparameter optimization in the classification of remote sensing images based on convolutional neural networks
- Tez No: 904597
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN AYDİLEK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kırıkkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
Bu tez çalışması, uzaktan algılama görüntülerinin, derin öğrenme algoritmaları ile sınıflandırması üzerine odaklanmaktadır. Çalışmada, UC Merced Landuse veri seti kullanılarak çeşitli derin öğrenme modellerinin performansları analiz edilmiştir. Çalışmada, sıklıkla tercih edilen InceptionV3, Xception ve DenseNet201 modelleri üzerinde durulmuş ve bu modeller hem hiperparametre optimizasyonu yapılmadan hem de optimizasyon uygulanarak test edilmiştir. Optimizasyon süreci, modellerin performanslarını artırarak doğruluğu önemli ölçüde iyileştirmiştir. Ayrıca, topluluk öğrenmesi ve oylama yöntemleri kullanılarak modellerin çıktıları birleştirilmiş, bu yöntemin daha yüksek doğruluk sağladığı gözlemlenmiştir. Çalışmanın sonuçları, derin öğrenme modellerinin uydu görüntülerinin sınıflandırılmasında etkin bir şekilde kullanılabileceğini göstermektedir. Hiperparametre optimizasyonu ve topluluk öğrenmesi gibi ileri teknikler, model performansını artırmakta ve uydu görüntülerinin sınıflandırılmasında daha güvenilir sonuçlar sunmaktadır. Sonuç olarak, bu çalışma, uzaktan algılama alanında yüksek doğruluk oranına sahip sınıflandırma modelleri geliştirmek için etkili bir yaklaşım sunmakta ve derin öğrenme yöntemlerinin geniş uygulama potansiyelini ortaya koymaktadır.
Özet (Çeviri)
This thesis focuses on the classification of remote sensing images using deep learning algorithms. In the study, the performance of various deep learning models was analyzed using the UC Merced Landuse dataset. Frequently used models such as InceptionV3, Xception, and DenseNet201 were evaluated, with each model tested both with and without hyperparameter optimization. The optimization process significantly enhanced model performance by improving accuracy. Additionally, ensemble learning and voting methods were used to combine the models' outputs, resulting in higher accuracy. The findings demonstrate that deep learning models can be effectively utilized for the classification of satellite images. Advanced techniques such as hyperparameter optimization and ensemble learning improve model performance, providing more reliable results in satellite image classification. Consequently, this study offers an effective approach for developing high-accuracy classification models in the field of remote sensing and highlights the extensive application potential of deep learning methods in this domain.
Benzer Tezler
- Hiperspektral görüntü analizinde ileri spektral ve uzamsal yöntemler
Advanced spectral and spatial methods for hyperspectral image analysis
İBRAHİM ONUR SIĞIRCI
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BİLGİN
- Uzaktan algılamada derin öğrenme tabanlı hiperspektral uydu görüntülerinin sınıflandırılması
Classification of deep learning based hyperspectral satellite images in remote sensing
HÜSEYİN FIRAT
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DAVUT HANBAY
- Single-frame and multi-frame super-resolution on remote sensing images via deep learning approaches
Derin öğrenme yaklaşımlarıyla uzaktan algılama görüntülerinde tek çerçeve ve çok çerçeve süper çözünürlük
PEIJUAN WANG
Doktora
İngilizce
2022
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Aircraft detection from large scale remote sensing images with deep learning techniques
Büyük ölçekli uzaktan algılama görüntülerinden derin öğrenme teknikleriyle uçak tespiti
MEHMET SOYDAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Deep learning-based building segmentation using high-resolution aerial images
Yüksek çözünürlüklü hava görüntüleri kullanarak derin öğrenme temelli bina bölütlemesi
BATUHAN SARITÜRK
Doktora
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER