Tez Arşivi

Hakkımızda

Tez aramanızı kolaylaştıracak arama motoru. Yazar, danışman, başlık ve özete göre tezleri arayabilirsiniz.


Erciyes Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Anabilim Dalı

Derin öğrenme yöntemiyle çok bantlı görüntülerde anlamsal bölütleme

Semantic segmentation in multi-band images with deep learning method

Teze Git (tez.yok.gov.tr)

Bu tezin tam metni bu sitede bulunmamaktadır. Teze erişmek için tıklayın. Eğer tez bulunamazsa, YÖK Tez Merkezi tarama bölümünde 533325 tez numarasıyla arayabilirsiniz.

Özet:

Görüntünün anlamlı bölgelere ayrılması işlemi olarak bilinen görüntü anlamsal bölütlemesi, görüntü içeriğinin anlaşılması hususunda temel adımlardan biri olarak kabul edilmektedir. Görüntü anlamsal bölütlemesi; askeri, biyomedikal, uzaktan algılama, endüstriyel ve robotik gibi birçok alanda yaygın olarak kullanılmaktadır. Bölütleme işleminde, bir bantlı veya çok bantlı görüntüler kullanılmaktadır. Bir çevreye ait, farklı dalga boylarında görüntüleme yapan algılayıcılar ile yakalanan görüntüler birbirlerini tamamlayıcı bilgiler içermektedir. Dolayısıyla, farklı dalga boylarında görüntüleme yapan algılayıcılar kullanılarak yapılan çalışmalar, yalnız bir dalga boyunda görüntüleme yapan algılayıcıların kullanıldığı çalışmalara göre daha etkili sonuçlar vermektedir. Bu sebeple bu tez çalışmasında çok bantlı görüntüler kullanılarak görüntülerin anlamsal bölütlemesi gerçekleştirilmiştir. ˙Iş yükü oldukça fazla olan, piksel seviyesinde sınıflandırma olarak da bilinen anlamsal bölütleme işlemine çok bantlı görüntülemenin de beraberinde getireceği işlem yükü derin öğrenme adı verilen çok katmanlı sinir ağları ile çözülebilmektedir. Bu tez çalışmasında, derin öğrenme yöntemlerinden evrişimli sinir ağı kullanan kodlayıcı kod çözücü mimarisinde, çok bantlı görüntüler üzerinde, görüntü anlamsal bölütleme yöntemi geliştirilmiştir. Gerçekleştirilen yöntemin belirlenmesi için farklı parametrelerin başarımlarının denendiği deneyler gerçekleştirilerek en başarılı sonuçların elde edildiği parametreler tercih edilmiştir. Geliştirilen yöntem, literatürdeki görüntü anlamsal bölütlemesi yöntemleri ile karşılaştırılmış ve sayısal ve görsel olarak daha başarılı sonuçlar verdiği görülmüştür. Anahtar Kelimeler: Derin Öğrenme, Görüntü Anlamsal Bölütleme, Evrişimli Sinir Ağları

Summary:

Image semantic segmentation, known as the process of image distribution, is considered to be one of the basic steps in understanding image content. Image semantic segmentation; It is widely used in many fields such as military, biomedical, remote sensing, industrial and robotics. In the segmentation process, a banded or multi-band display is used. The images captured by a perimeter, with different wavelength imaging sensors, contain complementary information. Therefore, studies using sensors that perform imaging at different wavelengths give more effective results than studies using only sensors that perform imaging at a wavelength. For this reason, semantic segmentation of the images was performed by using multi-band images in this thesis study. The process load that the multi-band imaging will bring to the semantic segmentation process, also known as pixel level classification, is solved by multi-layer neural networks called deep learning. In this thesis, image semantic segmentation method has been developed on multi-band images in encoder decoder architecture using convolutional neural network from deep learning methods. In order to determine the performed method, the experiments were performed in which the performance of different parameters were tried and the parameters with the most successful results were preferred. The developed method is compared with the image semantic segmentation methods in the literature and it has been found that it gives more successful results numerically and visually. Keywords: deep learning, image semantic segmentation, convolutional neural networks