Derin öğrenme ve makine öğrenmesi ile uydu görüntülerinin sınıflandırılması

Uzaktan algılama günümüzde afet tespiti, iklim değişiklikleri, kentsel değişimler gibi birçok doğal farklılığın tespitinde büyük öneme sahiptir. Teknolojideki görüntüleme alanında meydana gelen gelişmeler sonucunda uzaktan algılama günümüzde çok popüler bir konu haline gelmiştir. Gelişen teknolojilerin sağladığı en büyük fayda günümüzde uzaktan algılama için kullanılan verilerin kolay erişilebilir hale gelmiş olmasıdır. Uzaktan algılama işlemi ortamın fiziksel ve konumsal bilgileri gibi ayırt edici özelliklerinin algılanması işlemi olarak adlandırılabilir. Algılama işlemlerinde başarıyı en çok etkileyen faktörlerden birisi çözünürlüktür. Çözünürlüğün gereken seviyeden düşük olması ayırt edilmek istenen nesnelerin özelliklerinin anlaşılamaz hale gelmesine sebep olmakta ve bu nedenle ayırt etme işleminin önünde büyük bir engel teşkil etmektedir. Günümüzde derin öğrenme yöntemlerinin uzaktan algılama verilerinin sınıflandırılmasında oldukça popüler ve başarılı olduğu görülmektedir. Derin öğrenme ağları kullanılarak görüntü özelliklerinin öğrenilmesi ve sınıflandırma için gerekli özniteliklerin çıkarılması alanında başarılı sonuçlar elde edilmektedir. Uydu görüntüsü sınıflandırma işleminde karşılaşılan bir diğer problem sınıflandırma için yeterli verinin elde edilememesidir. Bu çalışmada uydu görüntülerinin sınıflandırılması için derin öğrenme ve makine öğrenmesi metotları kullanılmıştır. Yapılan analizler EuroSAT, AID ve iki veri setinin uygun koşullar altında birleştirilmesiyle oluşturulmuş bir birleşik veri seti üzerinde gerçekleştirilmiştir. Veri seti birleştirme işlemimizdeki temel amaç uydu görüntüsü sınıflandırma işleminde artan sınıf sayısına göre sınıflandırma başarısındaki değişiklikleri gözlemlemektir. Bu tez çalışması kapsamında iki veri seti derin öğrenme ağları kullanılarak ayrı ayrı analiz edilmiştir. Buna ek olarak birleşik veri seti hem derin öğrenme hem de makine öğrenmesi yöntemleri kullanılarak analiz edilmiştir. Bu işlemin amacı oluşturulan veri seti üzerinde makine öğrenmesi ve derin öğrenme temelli sınıflandırıcıların karşılaştırılmasıdır. Yapılan analizler sonucunda EuroSAT veri seti için en yüksek sınıflandırma başarısı %98.11 doğruluk oranı ile DenseNet-201 derin öğrenme ağı kullanılarak elde edilmiştir. AID veri seti için en başarılı sınıflandırıcı %96.10 doğruluk oranı ile DenseNet-201 derin öğrenme ağıdır. Çalışma kapsamında birleştirilen veri seti için yapılan analizlerde uygulanan sınıflandırma metotları arasında en başarılı sınıflandırıcı %96.20 doğruluk oranı ile yine DenseNet-201 derin öğrenme ağı olarak gözlenmektedir. Veri setleri birleştirilerek oluşturulan birleşik veri setinde başarı oranının AID veri setinde göre daha yüksek çıktığı görülmektedir.