Derin öğrenme tabanlı kentsel değişim tespiti ve izleme sistemi
Deep learning based urban change detection and monitoring system
- Tez No: 985072
- Danışmanlar: PROF. DR. TARIK ÖZKUL, DR. ÖĞR. ÜYESİ AYDIN TARIK ZENGİN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Sokak Görünümü Görüntüleri, Panoramik Görüntü Dönüşümü, Değişim Tespiti, SAM 2, Panoptik Segmentasyon, Sıfır Atış Segmentasyon, İnsan-yapay zeka etkileşimi, Street-View Images, Panoramic Image Transformation, Change Detection, SAM 2, Panoptic Segmentation, Zero-Shot Segmentation, Human-artificial intelligence interaction
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Sabahattin Zaim Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, farklı yıllarda aynı konumlardan elde edilen sokak görüntüleri üzerinden nesne düzeyinde bir değişim tespiti süreci gerçekleştirilmiştir. Çalışmanın temel hedefi, zaman içinde meydana gelen değişimlerin, farklı segmentasyon yaklaşımları kullanılarak herhangi bir eğitim sürecine gerek duyulmadan, analiz edilmesidir. Bu kapsamda, panoramik görüntülerde karşılaşılan geometrik bozulma, sahne karmaşası ve küçük nesne tespiti gibi sorunları azaltmak için eşkenar dörtgen projeksiyon yöntemiyle sokak görünümlerine dönüştürülmüştür. Dönüştürülen sokak görüntülerine Segment Anything Model 2 (SAM 2) ve Panoptik segmentasyon yöntemleri uygulanmış; biri sıfır atış temelli, diğeri etiketli veriye dayanan iki farklı segmentasyon yaklaşımının karşılaştırılmıştır. Her iki modelden de elde edilen çıktılarla bina, ağaç ve trafik işareti gibi nesnelere ait segmentasyon maskeleri üretilmiştir. Aynı konumlardan elde edilen farklı yıllara ait görüntülerin segmentasyon sonuçları karşılaştırılarak, zaman içindeki değişimler nesne bazında analiz edilmiştir. Değişim yoğunluğu haritaları ve sınıflar arası değişim matrisleri gibi çeşitli metriklerle görsel ve sayısal değerlendirmeler yapılmıştır. Elde edilen sonuçlar, sokak düzeyi görüntülerin bu alandaki analizlerde kullanılabilirliğine ve etiketli veri gerektirmeyen yaklaşımların uygulanabilirliğine dikkat çekmektedir. Tez kapsamında izlenen yöntem, hem veri ön işleme hem de değişim analizi süreçlerini birleştiren bütüncül bir yapı sunmaktadır.
Özet (Çeviri)
In this thesis, an object-level change detection process based on street-view images captured from the same locations at different years. The main objective of the study is to analyze temporal and physical changes using different segmentation approaches without requiring a training process. To overcome geometric distortion, scene complexity, and small-object detection challenges in panoramic images, the data were transformed into street-view format using the rhombic projection method. The transformed images were processed with Segment Anything Model 2 (SAM 2) and Panoptic Segmentation, representing two distinct paradigms: SAM 2 as a zero-shot, label-free approach and Panoptic Segmentation as a labeled-data method. Segmentation masks were generated for objects such as buildings, trees, and traffic signs, and temporal changes between years were analyzed based on these results. Change density maps and class transition matrices were also produced to support visual and quantitative evaluations. The findings show that street-view imagery can be effectively used for urban change detection, with label-free segmentation providing reliable and adaptable outcomes. The proposed framework integrates preprocessing, segmentation, and change analysis into a single pipeline, demonstrating the potential of modern segmentation models for urban monitoring and automated visual analysis.
Benzer Tezler
- 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
- Change captioning in multispectral images
Multispektral görüntülerde değişim özetleme
BÜŞRA TUZLUPINAR
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ CAN KARACA
- Deep learning-based building segmentation using high-resolution aerial images
Yüksek çözünürlüklü hava görüntüleri kullanarak derin öğrenme temelli bina bölütlemesi
BATUHAN SARITÜRK
Doktora
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- A novel deep learning based approach for spatiotemporal image fusion
Konum-zamansal görüntü kaynaştırma için derin öğrenme tabanlı yeni bir yaklaşım
FIRAT ERDEM
Doktora
İngilizce
2023
Jeodezi ve FotogrametriEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. UĞUR AVDAN
- İstanbul'da kentsel büyümenin senaryo tabanlı modellenmesi ve ekolojik açıdan değerlendirilmesi
Scenario-based modeling and evaluation of urban growth in Istanbul
ALİYE GONCA BOZKAYA KARİP
Doktora
Türkçe
2024
Şehircilik ve Bölge PlanlamaMimar Sinan Güzel Sanatlar ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. FATMA ÜNSAL