Geri Dön

Görüntü segmentasyonu ile entegre edilmiş evrişimli sinir ağları ile deprem sonrası hasarlı binaların otomatik olarak tespiti

Detection of damaged buildings after an earthquake with convolutional neural networks in conjunction with image segmentation

PDF İndir

  1. Tez No: 656320
  2. Yazar: RECEP KİRİŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ RAMAZAN ÜNLÜ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İlk ve Acil Yardım, Deprem Mühendisliği, Kamu Yönetimi, Emergency and First Aid, Earthquake Engineering, Public Administration
  6. Anahtar Kelimeler: Acil durum yardım ve tespit sistemi, Afet yönetimi, Deprem, Evrişimli sinir ağları, Görüntü bölütleme, Görüntü sınıflandırma, Hasar tespiti, Kriz yönetimi, Yapay zeka, Yapı hasarları, Emergency help and detection system, Disaster management, Earthquake, Convolutional neural networks, Image segmentation, Image classification, Damage detection, Crisis management, Artificial intelligence, Structure damages
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Gümüşhane Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Afet Yönetimi Ana Bilim Dalı
  12. Bilim Dalı: Afet Yönetimi Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Doğal afet türlerinden biri olan depremlerin meydana gelmesinden sonra birçok afetzedenin hayatını kurtarabilmek ve kriz yönetimini daha mükemmel sonuçlandırabilmek için afet bölgesinde bulunan hasarlı binaları mümkün olduğunca en kısa sürede tespit etmek ve tespit edilen hasarlı binalara müdahalelerde bulunmak son derece önemlidir. Günümüzde, deprem sonrasında hasarlı binaların tespiti afet bölgesinde görev alan yetkililer tarafından gözlemlenerek, uydu görüntülerinden veya helikopter gibi hava araçlarından alınan görüntülerden faydalanılarak yapılmaktadır. Yetkililerin gözlemleriyle hasarlı binaların tespiti zaman açısından ciddi kayıplar doğururken, tespitlerin doğruluğu bakımından da güvenilirliği tartışılır düzeydedir. Bu çalışmada, deprem ve sel gibi beklenmedik afetlerden sonra hasarlı veya tahrip olmuş binaların otomatik olarak tespit edilebilmesi için yapay zeka tabanlı sistemler test edilmiştir. Çalışma sırasında görüntü sınıflandırma literatüründe sıklıkla kullanılan VGG-16, VGG-19 ve NASNet evrişimli sinir ağı modelleri kullanılmıştır. Bu modelleri etkili bir şekilde uygulayabilmek için, önce çalışmada kullanılan tüm görüntüler K-Means kümeleme algoritması ile segmentlere ayrılmıştır. Sonrasında, çalışmanın ilk aşaması için,“hasarlı binalar”ve“normal binalar”olarak etiketlenen resimler sınıflandırılmıştır. VGG-19 modeli test setinde %90 doğruluk oranı elde edilmiştir. Çalışmanın ikinci aşamasında“hasarlı binalar”,“daha az hasarlı binalar”ve“normal binalar”olarak etiketlenen resimler için çok sınıflı bir sınıflandırma algoritması oluşturulmuştur. Bu aşamada VGG-19, VGG-16 ve NASNet test setinde sırasıyla yaklaşık %69, %66 ve %62.5 doğruluk oranı elde edilmiştir.

Özet (Çeviri)

After the occurrence of earthquakes, which are types of natural disasters, it is necessary to save the lives of many disaster victims and finalize crisis management more perfectly. So it is extremely important to identify damaged buildings in the disaster zone as soon as possible and to make interventions to the damaged buildings detected. Currently, the detection of damaged buildings after the earthquake is carried out by observing the authorities in the disaster zone, using satellite images or images taken from air vehicles such as helicopters. While detecting damaged buildings with observations by the authorities can bring great losses in terms of time and their reliability in terms of accuracy is debatable. In this study, artificial intelligence-based systems were tested to automatically detect damaged or destroyed buildings after unexpected disasters such as earthquakes and floods. VGG-16, VGG-19 and NASNet convoluted neural network models, which are often used in the image classification literature, were used during the study. In order to apply these models effectively, firstly all images which used in the study are segmented by the K-Means clustering algorithm. Then, for the first stage of the study, the images labeled as“damaged buildings”and“normal buildings”were classified. The VGG-19 model test set achieved an accuracy rate of %90 . In the second phase of the study, a multi-class classification algorithm was created for images labeled as“damaged buildings,”“less damaged buildings,”and“normal.”At this stage, the VGG-19, VGG-16 and NASNet test sets achieved an accuracy rate of approximately %69, %66 and %62.5 respectively

Benzer Tezler

  1. Tez No

    759996

    Derin öğrenme ile cerrahi video anlama

    Surgical video understanding with deep learning

    ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU SARIKAYA

  2. Tez No

    813989

    Anthropometric measurements from images

    Fotoğraflardan antropometrik ölçümler

    RUMEYSA ASLIHAN ERTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

    PROF. DR. MUHAMMED OĞUZHAN KÜLEKCİ

  3. Tez No

    637309

    Determination and classification of impervious surfaces and their density levels with different techniques and data integrations

    Su geçirmez yüzeylerin ve bunların yoğunluk derecelerinin farklı yöntem ve veri entegrasyonları ile belirlenmesi ve sınıflandırılması

    BERİL VAROL

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. MİTHAT DERYA MAKTAV

  4. Tez No

    887272

    Augmented superpixel based anomaly detection in hyperspectral imagery

    Hiperspektral görüntülerde genişletilmiş süperpiksel tabanlı anomali tespiti

    EZGİ GÖKDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Hesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)

    DR. ÖĞR. ÜYESİ SÜHA TUNA

  5. Tez No

    737771

    Superpixel assisted deep neural network for breast tumor segmentation in ultrasound images

    Süperpiksel destekli derin sinir ağı ile meme ultrason görüntülerinde tümör segmentasyonu

    NEFİSE UYSAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

    ÖĞR. GÖR. MURAT GEZER

Geri Dön