İnsansız hava araçlarının hafif bir derin öğrenme yöntemi ile sınıflandırılması

Son yıllarda, İnsansız Hava Araçlarının (İHA) askeri ve güvenlik bölgeleri haricinde sivil alanda da kullanılmaya başlanmasıyla tarım alanlarını ilaçlamada ve gözetlemede, orman yangınlarını tespit etmede ve söndürmede, nakliye, doğal yaşamı gözlemleme, havadan fotoğraf ve görüntü çekimi yapma, deprem sonrası oluşan hasarların tespiti ve keşif yapma gibi birçok alanda yaygın olarak kullanılmaktadır. Günümüzde üretilen İHA'lar çok farklı ebat, şekil, yapılandırma ve karakterde olabilmektedir. Bu durum, önemli ve kritik görülen yerlerde İHA'ların tespit edilmesini ve sınıflandırılmasını zorunlu hale getirmektedir. Bu tez çalışmasında, İHA'ları ve kuşları sınıflandırmak için yoğun blok ve dikkat mekanizmasından oluşan bir evrişimli sinir ağı modeli önerilmiştir. Tez çalışmasında, çevirimiçi olarak elde edilen bir veri seti toplanmış ve bu veri setindeki görüntülere veri arttırma işlemi uygulanmıştır. Önerilen derin öğrenme modelinin sınıflandırma performansını değerlendirmek için karşılaştırma çalışmaları gerçekleştirilmiştir. Bu çalışmalarda, ön eğitimli modellerden olan AlexNet, ResNet-101, MobileNet-v2, ShuffleNet ve GoogleNet tercih edilmiştir. Gerçekleştirilen çalışmalarda, önerilen derin öğrenme modelinin doğruluk değeri %98.04 olarak hesaplanırken AlexNet, ResNet-101, MobileNet-v2, ShuffleNet ve GoogleNet'in doğruluk değerleri ise sırasıyla %91.50, %90.85, %92.81, %93.46 ve %94.77 olarak elde edilmiştir. Bu değerlerden önerilen yöntemin etkin bir sınıflandırma performansına sahip olmasının yanı sıra daha güvenilir sonuçları da garanti edebileceği değerlendirilmiştir.