Derin öğrenme ile nokta bulutu üzerinden bina çatı tiplerinin sınıflandırılması
Classification of building roof types through point cloud with deep learning
- Tez No: 775677
- Danışmanlar: PROF. DR. FEVZİ KARSLI
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Bayes yöntemi, Derin öğrenme, Fotogrametri, Sınıflandırma, Yapay sinir ağları, Çok katmanlı algılayıcılar, Bayesian method, Deep learning, Photogrammetry, Classification, Artificial neural networks, Multilayer sensors
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Harita Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Binaların otomatik olarak algılanması ve çıkarılması, kentsel alan planlama, güneş potansiyel analizi, arazi ve afet yönetimi, kentsel haritalama ve 3 boyutlu (3B) şehir modeli oluşturma gibi birçok alan üzerinde önemli bir etkiye sahip olduğundan; binaların tespit edilmesi ve çıkarılması, günümüzde Uzaktan Algılama, Fotogrametri, Coğrafi Bilgi Sistemleri (CBS) ve bilgisayarla görme alanlarında aktif bir araştırma konusu haline gelmiştir. Nokta bulutu ya da hava ve uydu görüntüsü verilerinden bina çatı türlerinin sınıflandırılması, çatı yüzeylerinin ayrı ayrı tanımlanması, bina şekillerinin yeniden yapılandırılması ve belirlenmesi için anlamlı olduğundan tüm bu alanlar için önemli bir adım teşkil etmektedir. Son yıllarda, 3B bina modellerinin oluşturulması için derin öğrenme metotlarının önem kazanmasıyla ile derin öğrenme algoritmalarını eğitebilecek kaliteli ve makul boyutlara sahip verilere olan ihtiyaç artmıştır. Özellikle bina çatı türlerinin sınıflandırılmasında 3 boyutlu nokta bulutlarının kullanıldığı derin öğrenme yöntemlerinde var olan bu veri açığı RoofN3D veri seti ile giderilmeye çalışılmıştır. Bu tez çalışmasında RoofN3D veri seti kullanılarak çatı türlerinin sınıflandırılması için nokta bulutlarını direkt işleyen ve çıktı olarak da her bir çatıya ait sınıf etiketi üreten bir yapay sinir ağı mimarisi geliştirilmiştir. Geliştirilen mimaride kullanılacak verinin düzenlenmesi için ise çatılara ait nokta bulutlarının histogramları kullanılmış, her bir nokta bulutunda kaç adet nokta olması gerektiğine karar verilmiştir. Belirlenen nokta sayısından fazla sayıda nokta içeren çatılar için nokta sayısı azaltılarak; az sayıda nokta içeren çatılar için ise enterpolasyon ile nokta sayısı artırılarak veri seti sinir ağına uygun hale getirilmiştir. Yapay sinir ağı mimarisinin hiperparametreleri ise, Bayesian optimizasyonu kullanılarak optimum seviyeye getirilmiştir. Üçgen, kırma ve piramit olmak üzere üç çatı türünde yapılan sınıflandırmanın Kesinlik (Precision), Hassasiyet (Recall) ve F1-Skoru (F1-Score) metrikleri kullanılarak gerçekleştirilen doğruluk analizlerinde genel doğruluk %95 olarak elde edilmiştir.
Özet (Çeviri)
Since the automatic detection and extraction of buildings has a significant impact on many areas such as urban area planning, solar potential analysis, land and disaster management, urban mapping and three-dimensional (3D) city model creation, detection and extraction of buildings has become an active research topic in the fields of Remote Sensing, Photogrammetry, Geographic Information Systems (GIS) and computer vision. Classification of building roof types from point cloud or aerial and satellite image data is an important step for all these areas as it is meaningful for defining roof surfaces separately, reconstructing and determining building shapes. In recent years, with the importance of deep learning methods for the creation of 3D building models, the need for high quality and reasonably sized data that can train deep learning algorithms has increased. Especially in the classification of building roof types, this data gap in deep learning methods using 3D point clouds has been tried to be eliminated with the RoofN3D data set. In this thesis, an artificial neural network architecture has been developed for the classification of roof types using the RoofN3D dataset, which directly processes the point clouds and produces the class label of each roof as output. In order to organize the data to be used in the developed architecture, the histograms of the point clouds belonging to the roofs were used, and it was decided how many points should be in each point cloud. The data set is made suitable for the neural network by reducing the number of points for frames containing more than the specified number of points, and by increasing the number of points by interpolation for frames containing a small number of points. The hyperparameters of the artificial neural network architecture are optimized using Bayesian optimization. In the accuracy analyzes performed using Precision, Recall and F1-Score metrics, the classification accuracy was obtained as 95% for the saddleback, two-sided hip and pyramid roof types.
Benzer Tezler
- 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
- Türkiye'de aile planlaması çalışmalarında erkeklerin önemi, hastane personeli ile fabrika işçilerinin doğum kontrol yöntemlerine karşı tutum ve davranranışlarında farklılığın araştırılması
Başlık çevirisi yok
KAMİL MALKOÇLU
Yüksek Lisans
Türkçe
1987
Demografiİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. DERİN KÖSEBAY
- Deri temizliği hemşirelik tekniğine uygun olarak yapılmış ve yapılmamış hastalarda ameliyat sonrası yara enfeksiyonunun görülme sıklğı
A Comparison of wound infection incidences between the patients who were cleansed in ward according to the nursing technique and those who were cleansed in operating room
NÜKHET TÜRKEL
- Sivas yöresinde izole edilen dermatofitler
Dermathopytes isolated in the Sivas area of Turkey
ÖZDER ÖZTUNALI
Yüksek Lisans
Türkçe
1984
MikrobiyolojiCumhuriyet ÜniversitesiMikrobiyoloji Ana Bilim Dalı
YRD. DOÇ. DR. YAHYA HAKGÜDENER
- Değişik derim zamanı ve önsoğutmanın Bursa siyahı incir çeşidinin meyve kalitesi ve pazarlama süresi üzerine etkileri
Effects of haruest time and precooling on fruit quality and shelf-life of the fig variety“Bursa siyahı”
FÜSUN GÜRSEL ÇELİKEL