Yazar "Türker, Mehmet Sami" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • [ X ]
    Öğe
    Derin öğrenme yöntemleri ile uydu görüntülerinden gemilerin tespiti ve sınıflandırılması
    (Kırıkkale Üniversitesi, 2024) Türker, Mehmet Sami; Ayan, Enes
    Uzaktan algılama, yüzeydeki objeleri ve olayları uzaktan gözlemleme ve analiz etme teknolojisidir. Bu yöntemle genellikle uydular, dronlar veya hava araçları gibi platformlar üzerinden çeşitli elektromanyetik dalgalar kullanarak veriler toplanır. Toplanan veriler, optik, kızılötesi veya radar sensörleriyle elde edilen görüntüler şeklindedir ve bu görüntüler çevresel değişikliklerin izlenmesi, tarım verimliliğinin artırılması, şehir planlaması, doğal afetlerin yönetimi, savunma sistemleri ve iklim değişikliği gibi pek çok alanda kullanılabilir. Uzaktan algılama yöntemleri ile elde edilen veri setleri derin öğrenme yöntemleri kullanılarak geniş alanların veri analizi ve bilgi çıkarımı için kullanılmaktadır. Bu sayede geniş alanların hızlı ve etkili bir şekilde değerlendirilmesini sağlanarak, birçok sektörde bilgi ve karar destek sistemlerine katkıda bulunur. Derin öğrenme algoritmaları, uzaktan algılama veri setlerinde nesne tanıma, değişim tespiti ve sınıflandırma gibi görevlerde yüksek doğruluk ve otomasyon sağlamaktadır. Uzaktan algılama yöntemlerinden biri olan optik uydu görüntüleri gemilerin otomatik tespiti ve sınıflandırılması, deniz trafiği yönetimi, çevre kirliliğinin izlenmesi, uyuşturucu kaçakçılığı, göçmen kaçakçılığı, sınır ihlalleri ve meydana gelebilecek diğer suçların takibi açısından kritik bir araştırma alanıdır. Son yıllarda, derin öğrenme algoritmalarının popüler hale gelmesiyle birlikte, Evrişimli Sinir Ağları (ESA) nesne algılama ve sınıflandırma gibi bilgisayarlı görme problemlerinde başarılı sonuçlar elde etmiştir. Bu çalışma kapsamında bilgisayarlı görü problemlerinde nesne tespit görevlerinde kullanılan You Only Look Once (YOLO) tabanlı dokuz on bir farklı mimari (YOLOv5n, YOLOv5s, YOLOv5m, YOLOv5l, YOLOv7tiny, YOLOv7, YOLOv9c, YOLOv9m, YOLOv9s, YOLOv9t, YOLOv7-CBAM) kullanılmıştır. Söz konusu mimariler transfer öğrenme yöntemi ile optik uydu görüntüleri ile gemileri tespit edebilmeleri için eğitilmiştir. Eğitim sonrası mimarilerin uydu görüntülerinden gemileri tespit edebilme ve sınıflandırma performansları kesinlik, duyarlılık, mAP (ortalama kesinlik) ve F1 skor ölçütleri kullanılarak karşılattırılmıştır. Elde edilen test sonuçlarına YOLOv5l modelinin 0.984 kesinlik, 0.984 duyarlılık, 0.991 mAP ve 0.984 F1 skor değeri elde ederek diğer modeller arasında en başarılı model olmuştur. Çalışmada sonuç olarak özellikle büyük modellerin tespit performansının daha iyi olduğu gözlemlenmiştir. Çalışmada ayrıca kullanılan dikkat mekanizmasının YOLOv7 modelinde F1 skor ölçütünde %5,4 oranında bir iyileştirme sağladığı tespit edilmiştir. Çalışma sonuçlarına göre YOLO tabanlı mimarilerin uydu görüntülerinden gemi tespiti ve sınıflandırmada umut vadedici sonuçlar elde ettiği bulunmuştur. Anahtar Kelimeler: Uzaktan algılama, Nesne Tespiti, YOLO, Evrişimli Sinir Ağları, Gemi Tespit ve Sınıflandırma, Derin Öğrenme.