Evrişimli sinir ağları kullanarak video verileri üzerinde drone tespiti
Drone detection on video data using convolutional neural networks
- Tez No: 965512
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAH ERHAN AKKAYA
- 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: İnönü Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 69
Özet
Bu tez çalışmasında, görüntü işleme ve derin öğrenme tabanlı yaklaşımlar kullanılarak insansız hava araçlarının (drone) gerçek zamanlı tespiti amaçlanmıştır. Çalışmada, YOLO mimarisinin en güncel versiyonu olan YOLOv11 modeli temel alınmış ve farklı hiperparametre kombinasyonları altında drone-kuş ayrımı üzerine eğitimler gerçekleştirilmiştir. Eğitimlerde kullanılan veri seti, hem drone hem de kuş görüntülerinden oluşmakta olup, video formatından elde edilen karelerle manuel olarak etiketlenmiştir. Eğitim süreci boyunca freeze parametresi ve giriş boyutu gibi değişkenler sistematik olarak test edilmiştir. Deneysel sonuçlara göre, YOLOv11 modeli yüksek doğruluk ve duyarlılık değerleri ile karmaşık sahnelerde etkili nesne tespiti gerçekleştirebilmiştir. Elde edilen bulgular, özellikle güvenlik, sınır kontrolü ve hava sahası gözetimi gibi alanlarda kullanılabilecek yapay zekâ destekli gözetim sistemlerinin geliştirilmesine katkı sağlamaktadır. Ayrıca, bu çalışmada YOLOv8 modeli ile karşılaştırmalı analizler sunularak, YOLOv11'in üstünlükleri deneysel olarak ortaya konmuştur.
Özet (Çeviri)
In this thesis study, it was aimed to detect unmanned aerial vehicles (drones) in real time by using image processing and deep learning-based approaches. The YOLOv11 model, which is the most recent version of the YOLO architecture, was used as the main model, and drone-bird classification was performed under different hyperparameter settings. The dataset used in training consists of both drone and bird images, and the images were manually labeled by extracting frames from video footage. During the training process, variables such as the freeze parameter and input size were tested systematically. According to the experimental results, the YOLOv11 model achieved effective object detection even in complex scenes with high precision and recall values. The findings of this study can contribute to the development of AI-assisted surveillance systems, especially in areas such as security, border control, and airspace monitoring. In addition, the performance of YOLOv11 was compared with the YOLOv8 model, and the experimental results revealed the advantages of YOLOv11 over the older version.
Benzer Tezler
- Crowd density map estimation system from aerial images
Havadan alınan görüntülerden yoğunluk haritası tespit sistemi
OSMAN TARIK ÇETİNKAYA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Detection of humans in video streams using convolutional neural networks
Başlık çevirisi yok
AMEEN MUDHER ABBAS ALDULAIMI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Derin öğrenme tabanlı süper çözünürlük teknikleri kullanarak JPEG sıkıştırma kaybının iyileştirilmesi
Recovering JPEG compression loss via deep learning-based super resolution techniques
MUHAMMET BOLAT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
DR. NURULLAH ÇALIK
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR