Çok dallı derin öğrenme mimarileri kullanılarak muhtemel askeri hedef alanlarının sınıflandırılması
Classification of potential military target areas using multi-branch deep learning architectures
- Tez No: 1009365
- Danışmanlar: DOÇ. DR. ZEYNEP GARİP
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Savunma ve Savunma Teknolojileri, Science and Technology, Computer Engineering and Computer Science and Control, Defense and Defense Technologies
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sakarya Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Modern harp sahasında obüs, çok namlulu roketatar (ÇNRA) ve füze sistemleri gibi ağır silahlardan teşkil edilen ateş destek unsurlarının kullanımı; mühimmatların geniş etki yarıçapları nedeniyle Uluslararası Silahlı Çatışma Hukuku ve Angajman Kurallarına (ROE) mutlak riayeti zorunlu kılmaktadır. İkincil hasar riskinin yönetilmesi ve sivil kayıpların önlenmesi gerekliliği, hedef analizi sürecindeki insan operatörlerin bilişsel yükünü artırarak zamanın kısıtlı olduğu kritik kararlarda hata payını yükseltmektedir. Bu tez çalışması, hava görüntüleri üzerinden hedef bölgesinin atışa uygunluğunu otonom ve yüksek hassasiyetle tespit eden, karar döngüsündeki operatöre destek sağlayan Çok Dallı Derin Öğrenme Mimarisi sunmaktadır. Geliştirilen model, hedef sahasını askeri doktrine uygun olarak üç ana sınıfa ayırmaktadır. Bu sınıflar, herhangi bir koordinasyon kısıtlaması olmaksızın angajman yapılabilen“Ateş Serbest Bölgesi”, sivil mevcudiyeti nedeniyle atışın kesinlikle yasaklandığı“Ateş Yasak Bölgesi”ve ancak yüksek askeri kazanım durumunda stratejik onay ile vurulabilen“Kritik Altyapı Bölgesi”dir. Literatürdeki tekil yaklaşımların aksine bu çalışma, yerel detayları ve küresel bağlamı eş zamanlı işleyen çok dallı bir yapı önermektedir. Mimarinin birinci dalı, Vision Transformer (ViT) ile nesneler arası uzun mesafeli anlamsal ilişkileri analiz ederken; ikinci dal Konvolüsyonel Sinir Ağları (CNN) ile görüntülerden türetilen Sobel, Local Binary Pattern (LBP) ve Gabor filtreleri yardımıyla yerel doku özniteliklerini çıkarmaktadır. Bu strateji, CNN'in nesne odaklı bakış açısı ile ViT'in bütüncül algısını birleştirerek stratejik tesislerin karmaşık meskun mahal yapılarından ayırt edilmesini sağlamıştır. Modelin başarısı, konunun uzmanı askeri personel tarafından etiketlenen ve veri artırma teknikleriyle zenginleştirilen 1637 adetlik özgün veri kümesi üzerinde test edilmiştir. Deneyler sonucunda önerilen çok dallı yapı; tekil CNN (%95,23) ve ViT (%95,43) modellerini geride bırakarak %97,46 doğruluk oranına ulaşmış ve genel performans açısından en başarılı mimari olduğunu kanıtlamıştır. Yapılan karmaşıklık matrisi analizlerinin de bu sayısal başarıyı desteklediği ortaya konmuştur. Elde edilen sonuçlar, bu çalışmanın ağır silahların kullanımında Kuzey Atlantik Antlaşması Örgütü (NATO) standartlarına ve etik normlara uygun, sivil zayiat riskini azaltmaya katkı sağlayacak etkin bir karar destek altyapısı oluşturma potansiyeli taşıdığını göstermektedir.
Özet (Çeviri)
In the modern battlespace, the employment of fire support elements composed of heavy weapons such as howitzers, Multiple Launch Rocket Systems (MLRS), and missile systems mandates absolute compliance with the Law of Armed Conflict (LOAC) and Rules of Engagement (ROE) due to the wide effective radii of the munitions. The necessity of managing collateral damage risk and preventing civilian casualties increases the cognitive load on human operators during the target analysis process, thereby heightening the margin of error in time-critical decisions. This thesis proposes a Multi-Branch Deep Learning Architecture that autonomously and precisely determines the engagement suitability of a target area using aerial imagery, providing decision support to the operator within the decision-making cycle. The developed model categorizes the target area into three main classes in accordance with military doctrine. These classes are the“Free Fire Area,”where engagement can be conducted without coordination restrictions; the“No-Fire Area,”where firing is strictly prohibited due to civilian presence; and the“Critical Infrastructure Zone,”which can be engaged only with strategic approval in cases of high military payoff. Contrary to unimodal approaches in the literature, this study proposes a multi-branch structure that simultaneously processes local details and global context. The first branch of the architecture analyzes long-range semantic relationships between objects using the Vision Transformer (ViT), while the second branch extracts local texture features via Sobel, LBP, and Gabor filters derived from images using Convolutional Neural Networks (CNN). This strategy combines the object-oriented perspective of CNN with the holistic perception of ViT, enabling the distinction of strategic facilities from complex urban environments. The success of the model was tested on a unique dataset of 1,637 images, labeled by military subject matter experts and enriched with data augmentation techniques. Experimental results demonstrated that the proposed multi-branch structure achieved an accuracy rate of 97.46%, outperforming single CNN (95.23%) and ViT (95.43%) models, proving to be the most successful architecture in terms of overall performance. Confusion matrix analyses also corroborated this numerical success. The obtained results indicate that this study holds the potential to establish an effective decision support infrastructure that complies with North Atlantic Treaty Organization (NATO) standards and ethical norms regarding the use of heavy weapons, contributing to the reduction of civilian casualty risks.
Benzer Tezler
- Çimentonun sertleşmesi üzerinde kimyasal komponentlerin etkisi
Başlık çevirisi yok
NACİYE TÜRKEL
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE
- Antakya tarihi ticaret merkezi mekansal yapı değişim ve gelişim sürecinin kent ticaret merkezi planlamasına etkinliği
The Effectiveness of spatial structural chance and development period of the historical trade center of Antakya in the urban trade planning
NEVİN TURGUT
Yüksek Lisans
Türkçe
1986
Şehircilik ve Bölge PlanlamaGazi ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
YRD. DOÇ. DR. NURCAN UYDAŞ
- Organize sanayi bölgelerinde iş güvenliği sorunlarının teknik ve bilimsel araştırılmasında bir yöntem önerisi
Başlık çevirisi yok
MEHMET ALİ YILDIRIM
Yüksek Lisans
Türkçe
1986
Çalışma Ekonomisi ve Endüstri İlişkileriGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. İBRAHİM BOYNUKALIN
- Bazı sert çekirdekli meyve türlerinde döllenme biyolojisi üzerinde yöntem çalışmaları
Başlık çevirisi yok
ATBİMOĞLU ADALET
- Bazı esterlerin kinetik incelenmesi ve termodinamik parametrelerin belirlenmesi
Kinetic study and detesmination of thermodnamic parameters of some esters
İBRAHİM TAŞ
Yüksek Lisans
Türkçe
1986
Kimya MühendisliğiUludağ ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MUSTAFA CEBE