Visual state-space based multi-task learning for building segmentation and height estimation
Bina bölütlemesi ve yükseklik tahmini için görsel durum-uzayı tabanlı çoklu görevli öğrenme
- Tez No: 995250
- Danışmanlar: PROF. HASAN FEHMİ ATEŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Anlamsal bölütleme, Uzaktan algılama, Semantic segmentation, Remote sensing
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Monoküler uydu görüntülerinden doğru bina segmentasyonu ve yükseklik tahmini, kentsel planlama, telekomünikasyon ve afet yönetimi gibi alanlar için büyük önem taşımaktadır. Ancak, geleneksel derin öğrenme modelleri genelleme, sınıf dengesizliği ve yüksek binaların yetersiz temsili gibi sorunlarla sıklıkla karşılaşmaktadır. Bu tez, yalnızca RGB uydu görüntülerini kullanarak bina segmentasyonu ve yükseklik tahminini birlikte gerçekleştirebilen yeni bir çoklu görev öğrenme çerçevesi olan BuildMamba'yı tanıtmaktadır. Model, uzun menzilli bağımlılıkları verimli bir şekilde modelleyebilen görsel durum-uzay tabanlı bir omurga olan VMamba'yı içermekte, buna ek olarak yerel ayrıntıları yakalamak için evrişimsel bir yol sunmaktadır. Uzamsal temsili artırmak amacıyla Mamba Attention Module (MAM) önerilmiş ve geliştirilmiştir. Yükseklik tahminini iyileştirmek için ise, bina kenarlarında daha doğru yükseklik tahmini yapılmasını sağlayan, sınır farkındalığına sahip Sobel tabanlı bir ağırlıklandırma stratejisi uygulanmaktadır. DFC19, DFC23 ve Huawei BHE veri kümeleri üzerinde yapılan kapsamlı deneyler, BuildMamba'nın rekabetçi modellere kıyasla üstün performans ve yüksek genelleme yeteneği sergilediğini ortaya koymaktadır. Sonuçlar, özellikle yüksek katlı kentsel alanlar gibi zorlu sahnelerde, hem segmentasyon doğruluğu hem de yükseklik tahmininde önemli iyileşmeler sağlandığını göstermektedir.
Özet (Çeviri)
Accurate building segmentation and height estimation from monocular satellite imagery are critical for urban planning, telecommunications, and disaster management. However, conventional deep learning models often struggle with generalization, class imbalance, and underrepresentation of tall buildings. This thesis introduces BuildMamba, a novel multi-task learning framework designed to jointly perform building segmentation and height estimation using only RGB satellite imagery. The model incorporates a visual state-space backbone VMamba for efficient long-range dependency modeling, complemented by a convolutional path for capturing fine-grained local features. To enhance spatial representation, the proposed Mamba Attention Module (MAM) is introduced. For improved height estimation, a boundary-aware Sobel-based weighting strategy is employed to better predict height values at building edges. Extensive experiments on DFC19, DFC23, and Huawei BHE datasets demonstrate the superior performance and generalization ability of BuildMamba compared to competitive baselines. The results show substantial improvements in both segmentation accuracy and height estimation, particularly in complex high-rise urban environments.
Benzer Tezler
- Improved mambabda framework for robust building damage assessment across disaster domains
Farklı afet türlerinde bina hasar değerlendirmesi için geliştirilmiş mambabda çerçevesi
ALP EREN GENÇOĞLU
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Mimari tasarımda yapay zekâ yaklaşımı: Makine öğrenmesi ile mekân işlevlerinin tanınması ve üretken çekişmeli ağlarla mimari plan üretimi
Artificial intelligence approach in architectural design: Recognition of space functions with machine learning and architectural plan generation with generative adversarial networks
BERFİN YILDIZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
DR. ÖĞR. ÜYESİ İBRAHİM ZİNCİR
- Mimari kesit aracıyla sentetik üretim: Oditoryum örneği
Synthetic generation with the architectural section tool: An example of auditorium
ŞEMSİ BARIŞ TERZİ
Yüksek Lisans
Türkçe
2023
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
DOÇ. DR. SEMA ALAÇAM
DR. ÖZGÜN BALABAN
- Multimodal medical visual question answering: Knowledge spaces and semantic segmentation for improved and explainable AI
Çok-kipli tıbbi görsel soru cevaplama: Bilgi uzayları ve anlamsal bölütleme ile gelişmiş ve açıklanabilir yapay zekâ
ZİYA ATA YAZICI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Visual object recognition and detection using deep learning
Derinlikli öğrenme ile görsel nesne tanıma ve tespit etme
BURAK ÇÖREKCİOĞLU
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU