Post-training model quantization approaches in compression of multitemporal multispectral images
Çok zamanlı multispektral görüntülerin sıkıştırılmasında eğitim sonrası model kuantalama yaklaşımları
- Tez No: 933605
- Danışmanlar: DOÇ. DR. ALİ CAN KARACA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 122
Özet
Çok bantlı (MS) uyduların ürettiği büyük veri miktarı, uzaktan algılama uygulamalarında görüntü sıkıştırmayı kritik hale getirmektedir. Aynı bölgenin farklı tarihlerde çekilmiş çok zamanlı görüntülerindeki zamansal korelasyonlar sıkıştırmada değerlendirilebilir. Bu çalışma, çok zamanlı MS görüntü sıkıştırma için hafif bir çekişmeli üretici ağ (GAN) olan MultiTempGAN'i temel alarak üç eğitim sonrası nicemleme yöntemini inceler: üniform, karışık hassasiyetli ve üniform olmayan nicemleme. Model parametrelerinin farklı bit değerleriyle temsil edilmesi, model boyutunu küçültürken görüntü kalitesini korur. Sentinel-2 MS görüntü çiftleriyle yapılan testler, nicemlenmiş modellerin orijinal modele kıyasla rekabetçi sinyal-gürültü oranı (SNR), Laplacian ortalama karesel hata (LMSE) sunduğunu, bit-başına piksel (bpp) metriklerini iyileştirdiğini ve sıkıştırmayla yeniden yapılandırma performansına minimum etki ettiğini göstermektedir. Sonuçlar, eğitim sonrası nicemlemenin GAN tabanlı sıkıştırmayı geliştirerek MS verilerinin verimli ve ölçeklenebilir işlenmesini sağladığını belirtmektedir.
Özet (Çeviri)
The vast amount of data generated by multispectral (MS) satellites makes image compression a critical task for remote sensing applications. Temporal correlations in multitemporal images, captured on different dates of the same scene, can be used for compression. This study builds upon MultiTempGAN, a lightweight generative adversarial network (GAN) designed for multitemporal MS image compression, and investigates the impact of three post-training quantization categories: uniform, mixed-precision, and non-uniform quantization. Representing model parameters with different bit-widths significantly reduces model size while preserving image quality. Experiments on Sentinel-2 satellite MS image pairs reveal that quantized models deliver competitive signal-to-noise ratio (SNR) and Laplacian mean square error (LMSE) while achieving improved bit-per-pixel (bpp) metrics compared to the original model, with minimal impact on image reconstruction and compression performance. These findings demonstrate the potential of post-training quantization to enhance GAN-based compression, ensuring efficient and scalable MS data handling without sacrificing accuracy.
Benzer Tezler
- Model-based aı accelerator design on FPGA with in-depth evaluation of design parameters
FPGA'de model tabanli yapay zeka hizlandirici tasarimi ve tasarim parametrelerinin derinliğine değerlendirilmesi
GÖZDE ÖZDİL
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SIDDIKA BERNA ÖRS YALÇIN
- Quantization robustness to input degradations for object detection
Girdi bozulmalarına karşı nesne tespiti için kuantizasyon dayanıklılığı
TOGHRUL KARIMOV
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. HASSAN IMANI
- Infrared domain adaptation with zero-shot quantization
Veri gerektirmeyen nicelemenin kızılötesi alana uyarlaması
BURAK SEVSAY
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiModelleme ve Simülasyon Ana Bilim Dalı
YRD. DOÇ. DR. ERDEM AKAGÜNDÜZ
- Deep learning-based face recognition with raspberry Pi and USB accelerator for IoT environments
IoT için rapsberry Pi ve USB hızlandırıcı ile derin öğrenme tabanlı yüz tanıma
KUTAY YILDIZ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
PROF. DR. MURAT KOYUNCU
- Ultrason eğitiminde 3 boyutlu model ve klasik eğitimin pre-post testlerle karşılaştırılması
Comparasion of 3 dimensional model and traditional training in ultrasound education using pre-post tests
AŞKIM KEŞİR
Tıpta Uzmanlık
Türkçe
2024
Acil Tıpİzmir Katip Çelebi ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. ADNAN YAMANOĞLU
DR. ÖĞR. ÜYESİ MEHMET GÖKTUĞ EFGAN