SAR görüntülerinde otomatik hedef tespiti

SAR görüntülerinde otomatik hedef tespiti son yıllarında popülerliği artan bir uygulamadır. Popüler olmasının en önemli sebebi SAR algılayıcılarının gece, gündüz her hava koşulunda görüntüleme yapabilmesidir. Bu durum SAR görüntülerinin önemini artırmaktadır. SAR görüntülerinin göz ile yorumlanmasının çok zor olması, gözün alışık olduğu görüntülerden farklı olması bu görüntülerde nesne tespitine olan ihtiyacı artırmıştır. Bu sebeple bu çalışmada SAR görüntüleri üzerindeki nesnelerin hızlı ve doğruluk oranı yüksek bir şekilde tespit edilebilmesi için derin öğrenme yöntemi kullanılmıştır. Derin öğrenme kavramını, gün geçtikçe ve teknolojinin hızlı ilerlemesiyle beraber ve bu sistemlere bağlı bilgisayar donanımlarında ilerlemesiyle önemi artmaktadır. Birçok sektörde insan yerine otonom sistemler kullanılmaya başlanmıştır. Derin öğrenme algoritmalarının içinde yer aldığı ve sürekli geliştirildiği alanlardan biri de nesne tespiti görevidir. Bu tez çalışmasında SAR görüntülerinde nesne tespiti görevi literatürdeki çalışmalardan farklı olarak Mask R-CNN algoritması kullanılmış ve Faster R-CNN algoritmasıyla doğruluk oranı karşılaştırılmıştır. Tez çalışmasında analizler Google Colab, Jupyter Notbook kullanılarak Python dilinde yapılmış olup, test aşamasında Mask R-CNN algoritmasının, Faster R-CNN algoritmasına göre daha yüksek bir sınıflama oranına sahip olduğu tespit edilmiştir. Söz konusu tahmin oranı, askeri araç tipleri göz önünde bulundurulduğunda nispeten yüksek bir sınıflandırma oranı olduğu düşünülmektedir.