Bilgisayar ve Bilişim Bilimleri Fakültesi
“Genç Akademisyenler ve Lisansüstü Çalışmalar Seminerleri Dizisi”
(11.05.2022)
Fakültemizde “Genç Akademisyenler Ve Lisansüstü Çalışmalar Seminerleri Dizisi” etkinliğinde bu hafta (11.05.2022), Dr. İbrahim DELİBAŞOĞLU aşağıda özeti verilen doktora tez çalışmasını sunmuştur. Genç hocamıza başarılı sunumundan dolayı teşekkür eder, başarılarının devamını dileriz.
Prof.Dr.Nejat YUMUŞAK
Dekan
Seminer Konusu:
“Automatic building detection from remotely sensed images with u-net based convolutional neural network”
U-net tabanlı evrişimli sinir ağı ile uzaktan algılanmış görüntülerden otomatik bina tespiti
Uzaydan ve havadan çekilen görüntülerdeki spektral ve uzamsal çözünürlüğün artması ile birlikte, bina ve ağaç gibi nispeten küçük nesnelerin tanınmasına olanak sağlanmıştır. Dolayısıyla uzaktan algılanmış görüntülerden nesne tanıma ve nesne bölütleme üzerine yapılan çalışmaların önemi giderek artmıştır. Uzaktan algılama ile elde edilen Hiperspektral (HS) görüntülerin işlenmesinde bina bölütleme doğruluğunu ve işlem hızını arttırmak için yüksek spektral veri boyutunun düşürülmesine ihtiyaç duyulabilmektedir. Bu amaçla HS veri setinde spektral bant seçme işlemi yapılarak en fazla bilgiyi içeren bir spektral bant alt kümesi oluşturulmuştur. Literatürdeki çeşitli benzerlik kriterleri ve arama yöntemleri incelenerek, HS görüntülerdeki yapısal bilgiyi de göz önüne alan hiyerarşik kümelemenin kullanıldığı iki yeni bant seçme yöntemi geliştirilmiştir. Ayrıca HS bir görüntüdeki iki spektral bandın birbirlerine benzerliğini ölçen yeni bir metrik önerilmiştir. Sonuçlar uydu ve yakın mesafe HS görüntüleri olmak üzere içerik olarak farklı iki veri seti üzerinden kıyaslanmıştır. Spektral bant seçme sürecinin ardından ise, bina bölütlemesine yönelik literatürdeki klasik ve modern görüntü işleme temelli yöntemler incelenmiş, hangi yöntemlerin kullanıldığı ve çalışmaların ne aşamada olduğu araştırılmıştır. Tez çalışması kapsamında, görüntü işlemede farklı problemlerin çözümünde son derece başarılı sonuçlar veren derin öğrenme temelli yöntemler kullanılmıştır. Bu kapsamda, Unet temelli iki yeni nesne bölütleme mimarisi geliştirilmiştir. Tez çalışmasında kullanılan çok bantlı (MS) ve HS veri setlerine uygulanan yeni mimariler ile daha az eğitim adımı neticesinde daha iyi performanslar elde edildiği görülmüştür. Ayrıca, HS veri seti için önerilen band seçme ve bina bölütleme yöntemleri bir arada kullanılarak sonuçlar analiz edilmiştir.
