Derin öğrenme ile yüksek çözünürlüklü hava görüntülerinde yolların tespit edilmesi

Derin öğrenme, önceden bilinen veri setleri üzerinde çok katmanlı yapay sinir ağı ile modelleme yapar. Bilinmeyen veriler için özelliklerin öğrenimi yardımıyla analiz ve sınıflandırma yapılmasına olanak sağlayan makine öğrenmesi algoritmalarını temel alan bir yaklaşımdır. Yapay zekâ teknolojisinin hayatımızda kullandığımız cihazlarda kullanılırlığının artması sonucunda derin öğrenme ortaya çıkmış ve bu anlamda yapılan çalışmalar gün geçtikçe artmaya devam etmiştir. Derin öğrenme teknolojileri sayesinde nesne tanıma ve bu nesnelerin analizi sonucunda sınıflandırma çalışmaları gün geçtikçe hız kazanmıştır. En temel derin öğrenme algoritmaları konvolüsyonel sinir ağları ve çok katmanlı yapay sinir ağları olmuştur. Analiz çalışmalarında özellikle görüntü işleme alanında derin öğrenme algoritmaları yaygın bir şekilde kullanılmıştır. Bu tez çalışmasında, derin öğrenme alanında önemli bir yeri olan yüksek çözünürlüklü hava görüntülerinin Evrişimsel Sinir Ağları ile analiz edilmesi ve yolların tespiti konusu işlenecektir. Bu çalışma ile büyük boyutlu hava görüntülerinin işlenebilir resim boyutuna gelmesi için bölümlenerek işlenmesi ve veri seti elde edilmesi sağlanmıştır. Hazırlanan bu veri seti eğitilerek daha sonra test amaçlı ayrılan verilerin Derin Öğrenme Unet ağ modeli ile istenilen yolların tespiti gerçekleştirilmiştir. Türkiye için derin öğrenme çalışmalarında kullanılabilecek veri seti oluşturma yöntemleri sunulmuştur. Eğitilen sinir ağının yaptığı tahminleme sonucunda görüntüdeki yol ağının HAVERSINE ve BEARING formülleri kullanılarak geliştirilen algoritma ile coğrafik verileri çıkarılmıştır Bu çalışma sonucunda yüksek çözünürlüklü uydu görüntülerinde yolların tespitinde derin öğrenmenin başarılı sonuçlar verdiği gözlemlenmiştir.