Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2020
Tezin Dili: Türkçe
Öğrenci: ATAKAN KÖREZ
Danışman: NECAATTİN BARIŞÇI
Özet:Son yıllarda arazi planlaması, şehir görüntüleme, trafik izleme, tarım uygulamaları gibi çok çeşitli alanlarda sıkça kullanılmaya başlayan insansız hava araçlarından çekilen görüntülerde nesne tespiti işlemi, hava ve uydu görüntü analizi alanında artan bir ilgi ile karşılanmaktadır. Bu tez çalışmasında, uzaktan algılama görüntülerindeki nesnelerin otomatik olarak tespit edilmesi için iki farklı nesne tespit modeli önerilmiştir. Önerilen ilk modelde, uzaktan algılama görüntüleri nesne tespiti konusunda oldukça başarılı sonuçlar almış olan Daha Hızlı Bölgesel Evrişimli Sinir Ağı (Daha Hızlı B-ESA) modeli yapısı temel alınmıştır. Bu yapının, insansız hava araçlarından çekilen görüntülerdeki nesne tespit performansının arttırılmasına yönelik geliştirmeler yapılarak önerilen model nihai duruma getirilmiştir. Önerilen ikinci model ise, üç farklı derin öğrenme nesne tespit modelinin optimize edilmiş katsayı ağırlıklı nesne tespiti yapmasına olanak sağlayan işbirlikçi bir nesne tespit modelidir. Önerilen her iki nesne tespit modelinin, etkinliği, verimliliği ve katkısı, uzaktan algılama görüntülerinden oluşan Northwestern Polytechnical University Very High Resolution 10 (NWPU-VHR10) veri seti üzerinde yapılan testlerde değerlendirilmiş ve sonuçları, bu tez çalışmasında detaylı olarak verilmiştir. Test sonuçları, literatürde aynı veri setini kullanan çalışmalara göre ilk modelin %1.7’lik, ikinci modelin ise %3.64’lük bir tespit başarısı artışı elde ettiğini göstermektedir. Böylece, uzaktan algılama görüntülerindeki nesne tespitinin zorluğunu ortadan kaldırabilecek iki yeni nesne tespit modeli önerilmiştir