Derin öğrenme ile uzaktan algılama görüntülerinde sahne sınıflandırması
Scene classification in remote sensing images with deep learning
- Tez No: 921057
- Danışmanlar: DR. ÖĞR. ÜYESİ SEVCAN YILMAZ GÜNDÜZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Yazılımı Bilim Dalı
- Sayfa Sayısı: 72
Özet
Derin öğrenme, birçok alanda önemli bir rol oynadığı gibi uzaktan algılama görüntü sahnesi sınıflandırmasında da oldukça popülerdir. Uzaktan algılama görüntüleri, hava ve uydu platformlarından elde edilen verilerle Dünya yüzeyinin çeşitli kategorilerde otomatik olarak sınıflandırılmasını sağlar. Son yıllarda, uzaktan algılama görüntülerinden sahne sınıflandırması için çeşitli veri kümeleri geliştirilmiş ve çeşitli yaklaşımlar sunulmuştur. Ancak, mevcut veri kümeleri sınıf çeşitliliği ve ölçek açısından sınırlamalara sahiptir. Bu durum, yeni derin öğrenme tabanlı yaklaşımların geliştirilmesini zorlaştırmaktadır. Bu çalışmada, sahne sınıflandırması için önceden eğitilmiş bir EfficientNet Versiyon 2 Küçük (EfficientNetV2S) derin öğrenme ağı kullanılmıştır. Modelin son katmanları bir transfer öğrenme yöntemiyle değiştirilerek EffiSceneNet adı verilen yeni bir derin öğrenme modeli önerilmiş ve literatürdeki en iyi sonuçları sunmuştur. Bunun yanı sıra orijinal EfficientNetV2S ve EfficientNet Versiyon 2 Orta (EfficientNetV2M) modelleri de çalıştırılmış ve EffiSceneNet modelinin üstün performansı gözlemlenmiştir. Ayrıca önerilen yöntem ile orijinal 2 model topluluk öğrenme yöntemiyle birleştirilmiştir. Bu yöntem, modellerin bireysel performanslarını bir araya getirerek genel doğruluk oranını artırmış ve daha güçlü bir sınıflandırma yeteneği sağlamıştır. Son olarak, bu çalışmada Görsel Dönüştürücü (ViT) modeli de sahne sınıflandırma amacıyla kullanılmış ve üstün performans sergilemiştir. Çalışma, büyük ve çeşitli veri kümeleri üzerinde gerçekleştirilmiş olup, literatüre önemli katkılar sağlamıştır.
Özet (Çeviri)
Deep learning is popular in remote sensing image scene classification as well as playing an important role in many fields. Remote sensing images provide automatic classification of the Earth's surface into various categories with data obtained from air and satellite platforms. In recent years, various approaches have been presented for scene classification. However, existing datasets have limitations in terms of class diversity and scale, which makes it difficult to develop new deep learning-based approaches. In this study, a pre-trained EfficientNet Version 2 Small (EfficientNetV2S) deep learning network was used for scene classification. By replacing the last layers of the model with a transfer learning method, a new deep learning model called EffiSceneNet was proposed and presented the best results in the literature. In addition to proposed method, the original EfficientNetV2S and EfficientNet Version 2 Medium (EfficientNetV2M) models were also run and the superior performance of the EffiSceneNet model was observed. Three models were combined with ensemble learning method with the proposed method. This method increased the overall accuracy rate by combining the individual performances of the models. Finally, in this study, Vision Transformer (ViT) model was also used for scene classification and showed performance. The study was carried out on large and diverse datasets and made significant contributions to the literature.
Benzer Tezler
- Automatic airplane detection using deep learning techniques and very high-resolution satellite images
Derin öğrenme teknikleri ve çok yüksek çözünürlüklü uydu görüntüleri kullanılarak otomatik uçak tespiti
BAKARY TRAORE
Yüksek Lisans
İngilizce
2020
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
Prof. Dr. ELİF SERTEL
- Deep metric learning applied to crop classification from multi-spectral multi-temporal remote sensing data
Derin metrik öğrenmenin çoklu-zamanlı ve çoklu-bantlı uzaktan algılanmış verilerden tarım ürünü sınıflandırmaya uygulanması
MERVE BOZO
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Self-supervised pansharpening: Guided colorization of panchromatic images using generative adversarial networks
Öz-denetimli pankeskinleştirme: Çekişmeli üretken ağlar ile pankromatik görüntülerin güdümlü renklendirilmesi
FURKAN ÖZÇELİK
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE ÜNAL
- Satellite images super resolution using generative adversarial networks
Uydu görüntülerinde çekişmeli üretici ağ kullanarak süper çözünürlük
MARYAM SERDAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. AHMET HAMDİ KAYRAN
- A statistical framework for degraded underwater video generation
Bozulmuş sualtı video üretimi için istatistiksel bir yapı
SERKAN ŞATAK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN