Derin öğrenme mimarileri kullanılarak drone ile askeri araç ve silahların sınıflandırılması

Bu çalışmada derin öğrenme yöntemleri kullanılarak eğitilen model ile askeri araçları, silahlı-silahsız kişileri havadan otonom uçuşlar yaparak tespit edebilen bir drone tasarlanmıştır. Nesneleri sınıflandırmak için transfer öğrenme mimarilerinden ResNet50, InceptionV3, Xception, Mobilenet, EfficientNet gibi 5 farklı transfer öğrenme mimarisi ile çalışılmış olup performans karşılaştırmaları yapılmıştır. Ayrıca nesne tespit işlemleri için YOLOv8 ve YOLO-NAS mimarilerinin performansları karşılaştırılmıştır. Mimariler için askeri ve sivil araçlar, sivil ve silahlı insan görüntülerinden oluşan 4195 adet görsel içeren 6 sınıflı yeni bir hibrit veri seti hazırlanmıştır. Modellerin aşırı öğrenmemesi için veri setindeki görüntülere veri çoğaltma yöntemlerinden rastgele yaklaştırma, yatay yönde rastgele kaydırma, dikey yönde rastgele kaydırma, yatay döndürme, belirli açıyla döndürme ve yatay kayma işlemleri uygulanmıştır. Çalışmada transfer öğrenme mimarilerindeki en başarılı sonuçlar 0,9824 doğruluk, 0,9802 F1-skoru değeri ile ResNet50 mimarisi ile elde edilmiştir. Nesne tespit işlemlerinde en yüksek skorlar YOLOv8 nesne tespit algoritması ile 0,961 mAP50, 0,9116 F1-skoru olarak elde edilmiştir. Tasarlanan İHA üzerinde yapılan gerçek zamanlı çalışma testlerinde ResNet50 mimarisi YOLOv8'e göre daha düşük performans gösterdiğinden İHA üzerine YOLOv8 ile oluşturulan model eklenmiştir. Veri setine havadan görüntüleri çekilmiş daha fazla askeri araç görüntüsü eklenerek veriler çoğaltılabilir. Veri setindeki her sınıf kendi arasında özelleştirilerek farklı sınıflara ayrılabilir.