Görüntü tabanlı otomatik yol tespiti ve modellenmesi
Image based automatic road detection and modeling
- Tez No: 619958
- Danışmanlar: DOÇ. DR. UĞUR AVDAN
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Geodesy and Photogrammetry, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yol ağı tespiti, Evrişimli sinir ağları, Anlamsal bölütleme, Openstreetmap, Openaerialmap, Road network detection, Convolutional neural networks, Semantic Segmentation, Openstreetmap, Openaerialmap
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Gelişen teknoloji ile birlikte bireyler artık sadece bilgi tüketen değil aynı zamanda bilgi üreten kullanıcılar haline gelmişlerdir. Bu durum özellikle açık kaynak birçok proje için temel bilgi kaynağını oluşturmaktadır. OpenStreetMap (OSM) ve OpenAerialMap (OAM) bu bakış açısıyla oluşturulmuş ve oldukça yaygın olan projelerdendir. OSM dünyaya ait özgür bir harita üretmek amacıyla ortaya çıkan bir projedir. OAM ise dünyaya ait yüksek çözünürlüklü uydu ve hava görüntülerini depolayan ve paylaşan bir platformdur. Diğer yandan özellikle 2000'li yıllardan sonra hızla gelişen ve fiyatları düşen bilgisayar teknolojileri ile birlikte makine öğrenmesi ve yapay sinir ağı alanlarında (YSA) önemli gelişmeler ve ilerlemeler kaydedilmiştir. Özellikle derin öğrenme ve evrişimsel sinir ağları ile birlikte görüntü işleme yöntemlerindeki klasik programlama mantığı tamamen değişmiştir. Makine öğrenmesinin ve derin sinir ağlarının başarısını etkileyen en önemli faktörlerden birisi sistemin eğitilmesi için girdi olarak kullanılacak yeterli miktarda verinin temin edilmesidir. Bu çalışma kapsamında OAM'den elde edilen uzaktan algılama görüntüleri ve OSM'den elde edilen vektörel bilgi kullanılarak denetimli sınıflandırma için bir veri seti oluşturulmuştur. Bu veri seti, anlamsal bölütleme tekniği kullanılarak yol ağlarının tespitini amaçlayan modeli eğitmek ve test etmek için kullanılmıştır. Çalışmada özelleştirilmiş tam evrişimsel ağ (TEA), SegNet ve PSPNet gibi farklı modeller kullanılmış ve sonuçlar karşılaştırmalı olarak verilmiştir. Değerlendirme sonuçlarına göre en başarılı sonuçlar TEA modeli ile elde edilmiştir. Bu modelin piksel doğruluğu 0.7102, kesinlik değeri 0.7826, hassasiyet değeri 0.7949 ve F1 skoru 0.7887 olarak hesaplanmıştır.
Özet (Çeviri)
With the developing technology, individuals have become users who are not only consuming but also producing information. This is particularly the main source of information for many open source projects. OpenStreetMap (OSM) and OpenAerialMap (OAM) are very common projects created with this perspective. OSM is a project that has emerged to produce a free world map. OAM is a platform for storing and sharing high resolution satellite and aerial imagery of the world. On the other hand, significant developments and progress have been made in machine learning and artificial neural network (ANN) areas, especially with the rapid developing and cheaper prices of computer technologies after the 2000s. The concept of classical programming, especially in deep learning and convolutional neural networks, has completely changed. One of the most important factors affecting the success of machine learning and deep neural networks is the provision of sufficient data to be used as input for training the system. In this study, a data set for supervised classification was created by using high resolution aerial images obtained from OAM and vector information obtained from OSM. This data set was used to train and test the model for the detection of road networks using semantic segmentation technique. Different models such as customized fully convolutional network (FCN), SegNet and PSPNet were used in the study and the results obtained are given comparatively. According to the evaluation results, the most successful results were obtained with the FCN. The pixel accuracy of this model is 0.7102, the recall value is 0.7826, the precision value is 0.7949 and the F1 score is 0.7887.
Benzer Tezler
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Generating a high-definition map (HD MAP) via yolo (you only look once) deep learning-based object detection model
Yolo (you only look once) derin öğrenme tabanli nesne tespit modeli ile yüksek tanimli hari̇ta (HD MAP) oluşturma
YASİN MEMİ
Yüksek Lisans
İngilizce
2025
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HANDE DEMİREL
- Multimodal sensor fusion for detecting and classifying robot manipulation failures
Robot manipülasyon hatalarını tespit ve sınıflandırma için çoklu sensör füzyonu
ARDA İNCEOĞLU
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SANEM SARIEL UZER
DOÇ. DR. EREN ERDAL AKSOY
- Açı temelli öznitelik çıkarımı ile üst vücut postür sınıflandırması
UPPER-BODY POSTURE CLASSIFICATION USING ANGLE-BASED FEATURE EXTRACTION
RABİA AYŞE GÜZEL
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL ÖZTEL
- Histogram-based sampling and multi-level global registration for 3D point clouds
3B nokta bulutları için histogram tabanlı örnekleme ve çok katmanlı global eşleştirme
OSMAN ERVAN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ