Makine öğrenmesi yöntemleri ile kara askeri araçların tespit ve sınıflandırılması

Bu çalışmada, askeri araçların görüntü işleme ve makine öğrenmesi algoritmaları kullanılarak tespit edilmesi üzerine odaklanılmıştır. Askeri araç olarak, BMC 6x6 kamyon, M113 Zırhlı Personel Aracı, Land Rover Defender ve Tank olmak üzere dört farklı kategori tercih edilmiştir. Her araç türüne ait 50 görsel olmak üzere toplamda 200 görselden oluşan bir veri seti hazırlanmıştır. Çalışmanın ilk adımında, görüntü işleme teknikleri uygulanarak görseller üzerinde ön görüntü işleme gerçekleştirilmiştir. Ön görüntü işleme safhası, arka planın çıkartılması, keskinleştirme filtresi ve görüntü boyutlarını küçültme işlemlerini kapsamaktadır. Bu adımın ardından, Yönlendirilmiş Eğimler Histogramı (HOG) ve İki Boyutlu Dalgacık Dönüşümü (2D-WT) yöntemleri kullanılarak özellik çıkarımı yapılmaktadır. Elde edilen özellikler, ReliefF (RF) ve Ana Bileşen Analizi (PCA) ile özellik seçimi yapılarak özellik matrisinin boyutlarının azaltılması sağlanmaktadır. Boyut azaltımı yapılarak gerçekleştirilen özellikler ve etiketler sırasıyla Karar Ağaçı (DT), K-en Yakın Komşu (K-NN), Naive Bayes (NB) ve Kaskat İleri Sinir Ağları (CFNN) algoritmalarına uygulanmıştır. Bu sınıflandırıcıların performansını değerlendirmek için kararlılık matrisi, doğruluk, F1 skoru ve kesinlik gibi metrikler kullanılmıştır. Sonuçlarda, her bir sınıflandırıcı için özellik çıkarım ve özellik seçim yöntemleri ile performansları ayrı ayrı uygulanmış ve incelenmiştir. Özellikle CFNN algoritmasının, görsel verilerin karmaşıklığı ve detaylarını en iyi şekilde yakalayarak yüksek doğruluk ve F1 skorları elde ettiği gözlemlenmiştir. HOG özellik çıkarım yöntemi ve RF özellik seçim yöntemlerinde en iyi sonuçlar elde edilmiştir. Bu çalışma sonucunda, askeri araçların tespiti konusunda görüntü işleme ve makine öğrenmesi algoritmalarının etkinliği gösterilmiş ve bu alanda gelecekteki araştırmalara önemli bir temel oluşturmuştur.