Derin öğrenme ile uzaktan algılama görüntülerinde sahne sınıflandırması

Derin öğrenme, birçok alanda önemli bir rol oynadığı gibi uzaktan algılama görüntü sahnesi sınıflandırmasında da oldukça popülerdir. Uzaktan algılama görüntüleri, hava ve uydu platformlarından elde edilen verilerle Dünya yüzeyinin çeşitli kategorilerde otomatik olarak sınıflandırılmasını sağlar. Son yıllarda, uzaktan algılama görüntülerinden sahne sınıflandırması için çeşitli veri kümeleri geliştirilmiş ve çeşitli yaklaşımlar sunulmuştur. Ancak, mevcut veri kümeleri sınıf çeşitliliği ve ölçek açısından sınırlamalara sahiptir. Bu durum, yeni derin öğrenme tabanlı yaklaşımların geliştirilmesini zorlaştırmaktadır. Bu çalışmada, sahne sınıflandırması için önceden eğitilmiş bir EfficientNet Versiyon 2 Küçük (EfficientNetV2S) derin öğrenme ağı kullanılmıştır. Modelin son katmanları bir transfer öğrenme yöntemiyle değiştirilerek EffiSceneNet adı verilen yeni bir derin öğrenme modeli önerilmiş ve literatürdeki en iyi sonuçları sunmuştur. Bunun yanı sıra orijinal EfficientNetV2S ve EfficientNet Versiyon 2 Orta (EfficientNetV2M) modelleri de çalıştırılmış ve EffiSceneNet modelinin üstün performansı gözlemlenmiştir. Ayrıca önerilen yöntem ile orijinal 2 model topluluk öğrenme yöntemiyle birleştirilmiştir. Bu yöntem, modellerin bireysel performanslarını bir araya getirerek genel doğruluk oranını artırmış ve daha güçlü bir sınıflandırma yeteneği sağlamıştır. Son olarak, bu çalışmada Görsel Dönüştürücü (ViT) modeli de sahne sınıflandırma amacıyla kullanılmış ve üstün performans sergilemiştir. Çalışma, büyük ve çeşitli veri kümeleri üzerinde gerçekleştirilmiş olup, literatüre önemli katkılar sağlamıştır.