Transfer öğrenmeye dayalı tarihi yapı hasar tespiti ve sınıflandırılması
Historical building damage assessment and classification based on transfer learning
- Tez No: 951707
- Danışmanlar: PROF. DR. BETÜL BEKTAŞ EKİCİ
- Tez Türü: Yüksek Lisans
- Konular: Mimarlık, Architecture
- Anahtar Kelimeler: Tarihi yapılar, Transfer öğrenmesi, Derin öğrenme, Hasar tespiti, Historical structures, Transfer learning, Deep learning, Damage detection
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 127
Özet
Kent kimliğini oluşturan temel unsurlardan biri olan tarihi yapılar, toplumların kültürel mirasını yansıtan özgün değerlerdir. Mimari değerleri, yapım teknikleri ve tarihsel arka planlarıyla bir toplumun hafızasını temsil eden bu yapılar da çevresel etkenler ve insan müdahaleleri nedeniyle çeşitli hasarlar görülmektedir. Bu mirasın korunarak gelecek kuşaklara aktarılması hem toplumsal hem bilimsel bir sorumluluk olarak değerlendirilmektedir. Bu bağlamda, yapay zekâ temelli yaklaşımlar tarihi yapıların belgelenmesi, analizi ve korunmasında etkin araçlar sunmaktadır. Yapay zekâ, özellikle görüntü işleme alanında önemli başarılar sağlamış; derin öğrenme yöntemleri, verilerden yüksek düzeyde temsiller çıkarabilen güçlü modeller sunmaktadır. Bu yöntemlerin bir alt dalı olan transfer öğrenme, daha önce eğitilmiş modellerin yeni görevler için uyarlanmasını sağlayarak az veriyle yüksek doğruluk sunmaktadır. Bayesyen optimizasyonu gibi tekniklerle model başarımı daha da artırılabilmektedir. Bu çalışmada, transfer öğrenmeye dayalı modeller kullanılarak tarihi yapılarda görülen hasarların otomatik tespiti ve sınıflandırılması gerçekleştirilmiştir. Bu amaçla altı sınıftan (biyolojik bozulma, kimyasal bozulma, mekanik hasar, insan kaynaklı hasar, malzeme kaybı ve hasarsız) oluşan ve 20.000 görsel içeren özgün bir veri seti oluşturulmuştur. Veri seti on farklı transfer öğrenme yöntemi (EfficientNetB3, ViT, Xception, InceptionNet, AlexNet, VGG-19, ShuffleNet, DenseNet121, MobileNet ve ResNeXt50) için eğitilmiş ve belirlenen 8 farklı hiperparametrenin en uygun değerleri için ise bayesyen optimizasyonu kullanılmıştır. Elde edilen yüksek doğruluk oranları, geliştirilen yöntemin kültürel mirasın korunmasında etkili bir çözüm sunduğunu göstermektedir.
Özet (Çeviri)
Historic buildings, one of the fundamental elements that constitute urban identity, are unique assets that reflect the cultural heritage of societies. These buildings, which represent a society's memory with their architectural values, construction techniques, and historical backgrounds, are subject to various damages due to environmental factors and human interventions. Preserving this heritage and passing it on to future generations is considered both a social and scientific responsibility. In this context, artificial intelligence-based approaches offer effective tools for documenting, analyzing, and preserving historical buildings. Artificial intelligence, particularly in image processing, has achieved significant success; deep learning methods offer powerful models capable of extracting high-level representations from data. Transfer learning, a sub-branch of these methods, enables previously trained models to be adapted to new tasks, achieving high accuracy with limited data. Model performance can be further enhanced with techniques such as Bayesian optimization. In this study, we used transfer learning-based models to automatically detect and classify damage to historical buildings. For this purpose, a unique dataset of 20,000 images was created, consisting of six classes (biological deterioration, chemical deterioration, mechanical damage, human-induced damage, material loss, and undamaged). The dataset was trained using ten different transfer learning methods (EfficientNetB3, ViT, Xception, InceptionNet, AlexNet, VGG-19, ShuffleNet, DenseNet121, MobileNet, and ResNeXt50), and Bayesian optimization was used to determine the optimal values of eight different hyperparameters. The high accuracy rates obtained demonstrate that the developed method offers an effective solution for the preservation of cultural heritage.
Benzer Tezler
- Mimari öncül örneklerin analizine dayalı veritabanlarının tasarım eğitiminde kullanımı
Using databases based on analyses of architectural precedents in design education
ÇİĞDEM CANBAY
Yüksek Lisans
Türkçe
2003
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
- Neural language modelling approaches for post-ocr text processing
Optik karakter tanıma sonrası metin işleme adımı için sinirsel dil modelleri yaklaşımları
AYŞE İREM TOPÇU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Mesleki Eğitim Fakültesi giyim endüstrisi ve moda tasarımı eğitimi bölümü moda tarihi dersi için örnek bir model önerisi ve internet ortamına aktarılması
Faculty of vocational education clothing industry and fashion design education branch for history of fashion class sugesstion of example model and to transfer internet evironment
LEYLA KAYA
Yüksek Lisans
Türkçe
2007
Eğitim ve ÖğretimGazi ÜniversitesiGiyim Endüstrisi ve Moda Tasarımı Ana Bilim Dalı
Y.DOÇ.DR. HALİME YÜCEER ARSLAN
- Билим, илим жана маданият тармагындагы Кыргызстан менен Түркиянын кызматташтыгы (1992-2012 жж.)
Kırgız Cumhuriyeti ile Türkiye Cumhuriyeti arasında eğitim, bilim ve kültürel ilişkiler (1992-2012)
KADRİ AĞGÜN
Doktora
Kırgızca
2016
TarihKyrgyz State University named after I ArabaevTarih Ana Bilim Dalı
PROF. DR. TÖLÖBEK ABDRAHMANOV
- Nesne tespiti ile Göktürkçe metinlerin okunması
Reading Gokturk script using object detection
MEVLÜT KARAKAYA
Yüksek Lisans
Türkçe
2024
Mekatronik MühendisliğiMarmara ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET FEYZİOĞLU
PROF. DR. MESUT ŞEN