HAVA VE UYDU GÖRÜNTÜLERİ ÜZERİNDE DERİN ÖĞRENME TABANLI ARAÇ TESPİT VE SINIFLANDIRMASI


Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye

Tezin Onay Tarihi: 2020

Tezin Dili: Türkçe

Öğrenci: ÖMER ER

Danışman: HASAN ŞAKİR BİLGE

Özet:

Hava görüntüleri üzerinde araç tespit ve sınıflandırması; istihbarat, keşif ve gözetleme açısından önemlidir. Ancak bu görev; düşük uzamsal çözünürlük, karmaşık arka plan, nesne üzerine düşen ışık/gölge farklılıkları ve nesnelerin çevre tarafından kamufle olması gibi sebeplerle zordur. Son zamanlarda geliştirilen CNN tabanlı ağlar umut vericidir ancak bu ağlar doğrudan küçük nesnelerin tespiti için yeterli değildirler ve ince ayara ihtiyaç duyarlar. Bu çalışmada daha hızlı RCNN algoritması ve görece büyük nesnelerin tespitinde başarısı kanıtlanmış ResNet modeli ile araba, pikap, kamyon, uçak, kamp arabası, panelvan, traktör, iş makinası ve tekne gibi görünüm ve boyut olarak birbirinden farklı 9 sınıfı barındıran VEDAI veri kümesi üzerinde çalışılmıştır. Nesnelerin görüntüdeki toplam piksellerin 0.5×10-3’ü kadar az yer kapladığı görüntüler üzerinde araç tespitinde başarım artırımı için daha hızlı RCNN algoritmasında değişiklikler ile çeşitli deneyler yapılmıştır. Deneyler sonucunda VEDAI veri kümesi üzerindeki araçların tespitinde %74.9 ortalama hassasiyet elde etmenin mümkün olduğu gösterilmiştir. Ayrıca küçük nesne tespiti için daha sığ ağların daha faydalı olabileceği sonucuna ulaşılmıştır. Araç tespitinde en çok başarı sağlayan deney modeli ile araçların sınıflandırılması gerçekleştirilmiş ve araba için %72.4, kamyon için %58.6, pikap için %72, traktör için %57.6, kamp arabası için %69.9, tekne için %60, panelvan için %56.4, iş makinası için %53.1 ve uçak için %85.7 ortalama hassasiyet elde edilmiştir.