Geri Dön

SS-MLA: A novel solution for multi-label classification of remotely sensed images

Ss-mla: Uzaktan algılamalı görüntülerin çok etiketli sınıflandırması için yeni bir çözüm

PDF İndir

  1. Tez No: 679014
  2. Yazar: TOLGA ÜSTÜNKÖK
  3. Danışmanlar: DOÇ. DR. KASIM MURAT KARAKAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Atılım Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Uzaktan algılanan görüntülerin çok etiketli sınıflandırması çok önemli bir araştırma alanıdır. Kentsel büyümeyi izlemekten askeri gözetlemeye kadar birçok uygulamaya sahiptir. Uzaktan algılanan görüntülerin çok etiketli sınıflandırması için birçok algoritma ve yöntem önerilmiştir. Bu tezde iki yaklaşım sunulmaktadır. İlki, küçük veri kümelerinde karmaşık yöntemlerin daha basit olanlara göre avantajı olmadığını gösteren CNN tabanlı basit bir modeldir. İkincisi, uzaktan algılanan görüntülerin çoklu etiketli sınıflandırması için Semi-Supervised Multi-Label Annotizer (SS-MLA) adı verilen rekabetçi bir Vector-Quantized Temporal Associative Memory (VQTAM) tabanlı yöntemdir. İlk yöntem, uzaktan algılanmış dört farklı veri kümesi üzerinde F1-Skorlarına göre literatürdeki diğer son teknoloji yöntemlerle ve SS-MLA ile karşılaştırılmıştır. Deney sonuçları, yeni bir yaklaşım olarak SS-MLA'nın, karşılaştırmaların yarısından ve önerilen basit yöntemden daha iyi sonuçlar verdiğini göstermektedir. Algoritma ve yöntemlerin tüm uygulamaları için Python 3.8 ortamında Tensorflow-GPU 2.4.0 ve Numpy 1.19.5 çerçeveleri kullanılmıştır.

Özet (Çeviri)

Multi-label classification of remotely sensed images is a very important research area. It has many applications from tracking urban growth to military surveillance. Many algorithms and methods are proposed for multi-label annotation of remotely sensed images. In this thesis, two approaches are provided. The first one is a CNN-based straightforward model to show that in small datasets sophisticated methods have no advantage over simpler ones. The second one is a competitive Vector-Quantized Temporal Associative Memory (VQTAM) based method called Semi-Supervised Multi-Label Annotizer (SS-MLA) for multi-label annotation of remotely sensed images. The first method is compared with SS-MLA along with other state-of-the-art methods from the literature according to their F1-Scores on four different remotely sensed datasets with SS-MLA. The experiment results show that SS-MLA, as a new approach, achieves better results than half of the comparisons as well as the proposed straightforward method. For all the implementations of the algorithms and methods, Tensorflow-GPU 2.4.0 and Numpy 1.19.5 frameworks are used in a Python 3.8 environment.

Benzer Tezler

  1. Tez No

    901564

    Mimari tasarımda yapay zekâ yaklaşımı: Makine öğrenmesi ile mekân işlevlerinin tanınması ve üretken çekişmeli ağlarla mimari plan üretimi

    Artificial intelligence approach in architectural design: Recognition of space functions with machine learning and architectural plan generation with generative adversarial networks

    BERFİN YILDIZ

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    PROF. DR. GÜLEN ÇAĞDAŞ

    DR. ÖĞR. ÜYESİ İBRAHİM ZİNCİR

  2. Tez No

    889980

    Next-generation biosensor systems for environmental water quality monitoring

    Çevresel su kalitesi izleme için yeni nesil biyoensör sistemleri

    NİMET YILDIRIM TİRGİL

    Doktora

    İngilizce

    İngilizce

    2015

    BiyomühendislikNortheastern Unıversıty

    Biyomühendislik Ana Bilim Dalı

    PROF. DR. APRİL Z. GU

  3. Tez No

    200090

    A collaborative multi-robot localization technique for autonomous robots

    Otonom robotlar için bir çoklu robot konuşlandırma tekniği

    HATİCE KÖSE BAĞCI

    Doktora

    İngilizce

    İngilizce

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF.DR. LEVENT AKIN

  4. Tez No

    771988

    Investigating risk assessment and role of safety concerns in autonomous vehicle

    Otonom araçlarda risk değerlendirmesi ve güvenlik kaygılarının modellenmesi

    GÖZDE BAKİOĞLU DOĞANYILMAZ

    Doktora

    İngilizce

    İngilizce

    2022

    Ulaşımİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ OSMAN ATAHAN

  5. Tez No

    478644

    Experimental and theoretical approaches in macromolecules design, synthesis, modification and nanosensor applications

    Makromoleküllerin dizayn, sentez ve modifikasyonunda teorik ve deneysel yaklaşımlar ve nanosensör uygulamaları

    MERVE SENEM AVAZ

    Doktora

    İngilizce

    İngilizce

    2017

    Çevre MühendisliğiSabancı Üniversitesi

    Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı

    PROF. DR. YUSUF ZİYA MENCELOĞLU

Geri Dön