Geri Dön

Uzaktan alınan görüntülerden afet yönetimi ve durum analizi için yapay zeka tabanlı yöntemlerin geliştirilmesi

Development of artificial intelligence-based methods for disaster management and situation analysis from remotely obtained

PDF İndir

  1. Tez No: 954813
  2. Yazar: YÜSRA KARABULUT
  3. Danışmanlar: PROF. DR. İLHAN AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 82

Özet

Dünya kurulduğu günden beri her dönemde çeşitli doğal afetler yaşanmış ve bu afetler ciddi derecede can ve mal kayıplarına neden olmuştur. Derin öğrenme (DÖ) ağlarının gelişmesi ile herhangi bir afetin bıraktığı etki analiz edilebilmekte ve etkilenen alanların tespiti sağlanabilmektedir. Afetin türü ne olursa olsun yarattığı hasar ciddi boyutlarda olabilmektedir. Hasarın oluştuğu alanların ivedilikle tespit edilmesi can ve mal kayıplarının önlenmesi açısından büyük önem taşımaktadır. Bu amaçla son zamanlarda arama kurtarma operasyonlarına insansız hava araçları (İHA) kullanılmaya başlanmıştır. İHA' ların esnek oluşu, hareket ve hızlı konumlanma konusundaki kabiliyetleri, düşük maliyetli oluşları onların arama kurtarma faaliyetlerinde tercih edilme nedenleri olmuştur. Daha başarılı sonuçlar için Derin Öğrenme (DÖ) modellerinin insansız hava araçlarına dahil edilmesi iyi bir yöntem olabilir. Bu çalışmada iki ayrı veri seti kullanılmıştır. İlk veri setimiz olan İHA tabanlı hava felaketi görüntü veri seti (AIDER) üzerinde evrişimsel blok dikkat mekanizmasına dayalı yeni bir transfer öğrenme yöntemi önerilmektedir. Önerilen yöntem, doğal afetlerin hızlı bir şekilde tespit edilebilmesine odaklanmaktadır. Bu aşamada, şehir planlaması ve afet yönetimi için doğru ve hızlı bilgi sağlanması amaçlanmaktadır. İkinci veri setimiz olan sel sonrası sahneyi anlamak için yüksek çözünürlüklü hava görüntüleri veri kümesi (FloodNet) üzerinde Derin Sinir Ağlarını kullanarak bir dizi yöntem önerilmektedir. Transfer öğrenme tabanlı görüntü sınıflandırma ile taşkına uğramış alanlar ile hasarsız alanların ayrımı yapıldı. Su basmış alanların, binaların ve yolların tespiti, doğal su ile sel suyu arasındaki ayrım için anlamsal segmentasyon yöntemleri kullanıldı. Son aşamada görsel sorucevaplar ile sahneler anlamlı hale getirildi. Afet sonrası müdahale süreçlerinin hızlandırılması ve insan müdahalesinin optimize edilmesinde derin öğrenmeye dayalı otomasyon sistemlerinin etkinliği vurgulanmaktadır.

Özet (Çeviri)

Various natural disasters have occurred in every period since the world was founded, and these disasters have caused serious loss of life and property. With the development of deep learning (DL) networks, the impact of any disaster can be analyzed and the affected areas can be identified. Regardless of the type of disaster, the damage it causes can be serious. Immediately identifying the areas where damage has occurred is of great importance in preventing loss of life and property. For this purpose, unmanned aerial vehicles (UAVs) have recently begun to be used in search and rescue operations. The flexibility of UAVs, their ability to move and quickly position themselves, and their low cost have made them preferred in search and rescue activities. For more successful results, incorporating Deep Learning (DL) models into unmanned aerial vehicles may be a good method. Two separate data sets were used in this study. A new transfer learning method based on convolutional block attention mechanism is proposed on our first dataset, UAV-based air disaster image dataset (AIDER).The proposed method focuses on the rapiddetection of natural disasters. At this stage, the aim is to provide accurate and timely information for urban planning and disaster management. A set of methods are proposed using Deep Neural Networks on our second dataset, High Resolution Aerial Imagery Dataset for Understanding Post-Flood Scene (FloodNet). Transfer learning based image classification was used to distinguish flooded areas from undamaged areas. Semantic segmentation methods were used to detect flooded areas, buildings and roads, and to distinguish between natural water and flood water. In the final stage, scenes were made meaningful with visual questions and answers. The effectiveness of deep learningbased automation systems in accelerating post-disaster response processes and optimizing human intervention is emphasized.

Benzer Tezler

  1. Tez No

    547238

    Yüksek mekansal çözünürlüklü uydu/uçak platformlu görüntüler ve CBS teknolojisi kullanılarak Van-Erciş depremi sonrası bina hasar tespiti

    Determination of building damage after Van-Ercis earthquake by using very high resolution satellite/aircraft platforms and GIS technology

    ASLI SABUNCU

    Doktora

    Türkçe

    Türkçe

    2018

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE FİLİZ SUNAR

  2. Tez No

    949308

    Investigating the performance of super-resolved remote sensing images on coastline segmentation with deep learning-based methods

    Derin öğrenme tabanlı yöntemlerle kıyı şeridi segmentasyonunda süper çözünürlüklü uzaktan algılama görüntülerinin performansının araştırılması

    İLHAN PALA

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    DOÇ. DR. UĞUR ALGANCI

  3. Tez No

    677471

    Land cover and land use classification of multi-modal high-resolution satellite images using multi-task deep learning approach

    Çok görevli derin öğrenme tekniği ile çok kipli yüksek çözünürlüklü uydu görüntülerinin arazi örtüsü ve arazi kullanımı sınıflandırılması

    BURAK EKİM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  4. Tez No

    611424

    Earthquake damage identification from very high resolution post event image using advanced methods in mathematical morphology

    Deprem hasarının yüksek çözünürlüklü afet sonrası görüntülerden ileri matematiksel morfoloji yöntemleri kullanılarak belirlenmesi

    ENES OĞUZHAN ALATAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Deprem Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜLŞEN TAŞKIN KAYA

  5. Tez No

    834988

    Earthquake damage detection with satellite imagery and deep learning approaches: A case study of the february 2023, Kahramanmaraş, Turkey earthquake sequence

    Uydu görüntüleri ve derin öğrenme yaklaşımları ile hasar tespiti: 2023 şubat Kahramanmaraş, Türkiye deprem dizisinden bir vaka çalışması

    FATMA ELİK

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Uydu Haberleşmesi ve Uzaktan Algılama Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

Geri Dön