Uzaktan algılama görüntüleri kullanan hassas tarım uygulamaları için transformer tabanlı anlamsal bölütleme modeli tasarımı
Design of a Transformer Based Semantic Segmentation Model for Precision Agriculture Applications Using Remote Sensing Images
- Tez No: 920794
- Danışmanlar: DR. ÖĞR. ÜYESİ İREM ÜLKÜ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Anlamsal bölütleme, Semantic segmentation
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Anlamsal bölütleme bilgisayarla görme alanında yapılan çalışmaların başında gelir. Piksel düzeyinde görüntülerin sınıflandırılmasını yani bir bakıma yorumlanmasını sağlayan bu yöntem günümüzde nesne tanıma, medikal uygulamalarda hastalık tespiti gibi çeşitli alanlarda kullanılmaktadır. Hassas tarım günümüzde giderek uygulaması artan bir alan olup bu alanda da anlamsal bölütlemeye yönelik çalışmalar yapılmakta ve gerekli görülmektedir. Transformer teknolojisine geldiğimizde ise doğal dil işleme teknolojilerinde öne çıkmış bugün kullanılmakta olan sohbet robotlarının arkaplanında tercih edilen bir model haline gelmiştir. Daha sonra bilgisayarla görme alanında da transformer mimarisi kullanılmaya başlanmış ve oldukça başarılı sonuçlar elde edilmiştir. Bu çalışmada görüntü işleme teknolojilerinde özellikle anlamsal bölütleme alanında başarılı sonuçlar vermesiyle öne çıkan UNet mimarisinden esinlenilerek farklı bir mimari ortaya koyulmaya çalışılmıştır. Özellikle de hassas tarım uygulamalarında kullanılan uzaktan algılama görüntüleri için anlamsal bölütleme yapmak adına Transformer tabanlı bir model geliştirilmeye çalışılmıştır. Tasarlanan model için farklı dikkat mekanizmaları da denenmiş ve kullanılan veri setleri için bunlar da test edilmiştir. Sonuç olarak, elde edilen veriler neticesinde önerilen tasarımın uzaktan algılama görüntülerinin anlamsal bölütlemesinde gayet başarılı sonuçlar verdiği ve bu alanda yapılacak çalışmalarda tercih edilebilecek bir model olduğu düşünülmektedir.
Özet (Çeviri)
Semantic segmentation is at the forefront of research in the field of computer vision. This method, which enables the classification of images at the pixel level, essentially allowing for their interpretation, is currently used in various fields such as object recognition and disease detection in medical applications. Precision agriculture is an increasingly applied field today, and in this area, studies aimed at semantic segmentation are being conducted and deemed necessary. When it comes to transformer technology, it has emerged in natural language processing technologies and has become a preferred model in the background of the chatbots currently in use. Later, the transformer architecture was also used in the field of computer vision, yielding quite successful results. In this study, a different architecture has been attempted by drawing inspiration from the UNet architecture, which stands out for its successful results, particularly in the field of semantic segmentation within image processing technologies. Especially for remote sensing images used in precision agriculture applications, an attempt has been made to develop a Transformer-based model for semantic segmentation. Different attention mechanisms were also tried for the designed model, and these were tested on the used datasets. As a result, based on the obtained data, it is considered that the proposed design has yielded quite successful results in the semantic segmentation of remote sensing images and could be a preferred model for future studies in this field.
Benzer Tezler
- Uydu verileri temelli derin öğrenme ve açıklanabilir makine öğrenmesi teknikleri kullanılarak Sakarya ili fındık alanlarının mekansal dağılımının belirlenmesi
Determining the spatial distribution of hazelnut areas in Sakarya province using satellite data-based deep learning and explainable machine learning techniques
GAFUR SEMİ ŞENGÜL
Yüksek Lisans
Türkçe
2026
İstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Satellite images super resolution using generative adversarial networks
Uydu görüntülerinde çekişmeli üretici ağ kullanarak süper çözünürlük
MARYAM SERDAR
Yüksek Lisans
İngilizce
2022
İstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
Yükleniyor...
- Enhancing hyperspectral and multispectral image fusion using high dimensional model representation
Yüksek boyutlu model gösterimi kullanılarak hiperspektral ve multispektral görüntü füzyonunun iyileştirilmesi
EFE KAHRAMAN
Yüksek Lisans
İngilizce
2025
İstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
Yükleniyor...
- Evaluating BFAST algorithm in landsat time series analysisof monitoring deforestation dynamics in coniferousand deciduous forests
Landsat zaman serisi ile iğne ve geniş yapraklı ormanlardaormansızlaşma dinamiklerinin izlenmesinde BFASTalgoritmasının değerlendirilmesi
NOOSHIN MASHHADI
Yüksek Lisans
İngilizce
2021
İstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı (disiplinlerarası)
Yükleniyor...
- Multitemporal co-polar x-band sar data classification as a tool for paddy-rice phenology estimation
Çeltik tarlası fenoloji kestirimi için çok zamanlı co-polar x-bant sar verisi üzerinde sınıflandırma yöntemi
ÇAĞLAR KÜÇÜK
Yüksek Lisans
İngilizce
2016
İstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
Yükleniyor...