Uzaktan algılama görüntülerinde deprem sonrası hasarın transformer tabanlı segmentasyonu
Transformer-based segmentation of postearthquake damage in remote sensing images
- Tez No: 1011229
- Danışmanlar: DR. ÖĞR. ÜYESİ GÖZDE KARATAŞ BAYDOĞMUŞ, PROF. DR. KAZIM YILDIZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, 6 Şubat 2023 Kahramanmaraş depremleri sonrasında oluşan yapı hasarlarının yüksek çözünürlüklü optik uydu görüntülerinden, yalnızca afet sonrası görüntüye dayalı tek zamanlı senaryoda otomatik çıkarımı ele alınmıştır. Afet öncesi görüntüye erişimin her zaman mümkün olmaması ve sahada hızlı durum farkındalığı gereksinimi nedeniyle problem, arka plan ve hasar olmak üzere iki sınıflı semantik segmentasyon olarak formüle edilmiştir. Çalışmanın amacı, aynı veri bölünmesi ve raporlama protokolü altında transformer tabanlı iki yaklaşımı karşılaştırmak ve SegFormer tabanlı hattı yöntemsel olarak iyileştirerek performansı artırmaktır. Deneyler KATE-PD veri seti üzerinde yürütülmüş, görüntüler veri setinin parça tabanlı yapısına uygun olarak 512×512 yamalar üzerinden işlenmiştir. Model girişinde yeniden ölçekleme, yeniden boyutlandırma ve normalize etme adımları uygulanmıştır. Ana mimari olarak SegFormer seçilmiş; hiyerarşik kodlayıcı yapısıyla çok ölçekli temsilleri verimli üretmesi ve hafif çözücü tasarımıyla uygulanabilir bir hesaplama profili sunması bu tercihin temel gerekçesini oluşturmuştur. Karşılaştırma amacıyla Swin Transformer + UPerNet hattı aynı değerlendirme koşulları altında test edilmiştir. SegFormer hattında kayıp fonksiyonu, veri artırma ve çıkarım stratejileri kontrollü karşılaştırmalarla incelenmiş; eşik değeri doğrulama kümesi üzerinde belirlenerek test aşamasında sabitlenmiştir. Performans mIoU ve F1 metrikleriyle raporlanmıştır. En iyi SegFormer konfigürasyonu, KATE-PD test kümesinde 0.7463 mIoU ve 0.6732 F1 değerlerine ulaşmıştır. Bulgular, başarının yalnızca model büyüklüğünden değil, eğitim ve çıkarım kararlarının tutarlı biçimde tasarlanmasından da etkilendiğini göstermiştir. Bu çalışma, tek zamanlı optik uydu görüntüleriyle deprem sonrası hasar segmentasyonu için tekrarlanabilir bir deney çerçevesi sunmaktadır.
Özet (Çeviri)
This thesis investigates the automatic extraction of structural damage from high-resolution optical satellite imagery acquired after the 6 February 2023 Kahramanmaraş earthquakes, under a single post-event setting where only post-disaster imagery is available. Since pre-event imagery cannot always be obtained in practice and rapid situational awareness is essential in emergency response, the problem is formulated as a binary semantic segmentation task with two classes: background and damage. The main objective is to compare two transformer-based approaches under the same data split and reporting protocol, and to improve a SegFormer-based pipeline through methodological refinements. Experiments are conducted on the KATE-PD dataset, and images are processed using the dataset's patch-based structure with 512×512 tiles. Standard input processing steps, including rescaling, resizing, and normalization, are applied prior to model inference. SegFormer is selected as the primary architecture due to its efficient multi-scale representations enabled by a hierarchical encoder and its lightweight decoder design, which offers a practical computational profile. For comparison, a Swin Transformer + UPerNet pipeline is evaluated under identical conditions. Within the SegFormer pipeline, the effects of the loss function, data augmentation, and inference strategies are examined through controlled comparisons; the probability threshold for binary mask generation is selected on the validation set and fixed during testing. Performance is reported using pixel-wise metrics, primarily mIoU and F1 score. The best SegFormer configuration achieves 0.7463 mIoU and 0.6732 F1 on the KATE-PD test set. The findings indicate that performance is influenced not only by model capacity but also by coherent design choices across training and inference. Overall, this work provides a reproducible experimental framework for post-event damage segmentation using single-date optical satellite imagery.
Benzer Tezler
- Earthquake damage detection with satellite imagery and deep learning approaches: A case study of the february 2023, Kahramanmaraş, Turkey earthquake sequence
Uydu görüntüleri ve derin öğrenme yaklaşımları ile hasar tespiti: 2023 şubat Kahramanmaraş, Türkiye deprem dizisinden bir vaka çalışması
FATMA ELİK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Landsat uydusu aracılığı ile elde edilen görüntülerin sınıflandırılmaları ve bunlara ilişkin bilgisayar programlarının hazırlanması
Başlık çevirisi yok
G. FERZAN KÜÇÜKA
Yüksek Lisans
Türkçe
1985
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİS PÜSKÜLCÜ
- Landsat uyduları aracılığı ile elde edilen görüntülerin işlenmesinde kontrast artırma tekniklerinin tanımı ve bu tekniklere ilişkin bilgisayar programlarının hazırlanması üzerine bir çalışma
Başlık çevirisi yok
BİLHAN TABAK
Yüksek Lisans
Türkçe
1986
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Development, design and realization of a television transposer test unit employing microprocessor for remote measurement and testing
Başlık çevirisi yok
HASAN HÜSEYİN TEZCAN
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiPROF. DR. HALİL BENGİ
- Anizometrop ve monoküler afak olgularda binoküler tek görme
Başlık çevirisi yok
ZELAL ÖKTEN
Tıpta Uzmanlık
Türkçe
1986
Göz HastalıklarıTrakya ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
DOÇ. DR. SAİT ERDA