Evrişimli sinir ağları kullanılarak gemi tanıma ve sınıflandırma

Gemi sınıflandırma ve tanıma sistemleri, denize kıyısı ve boğaz geçişleri yoğun olan ülkeler de ulusal ve yerel savunma, gemi trafik kontrolü, kaçak balıkçılık, korsan, insan tacirleri ve küresel ticaret zinciri gibi sorun oluşturabilecek birçok alanda kullanılmaktadır. Bu sorunlara erken müdahale edebilmek için gemi sınıflandırma ve tanıma ile ilgili farklı farklı çözüm metodları geliştirilmiştir. Bu metodlar üzerinde yapılan araştırmalarda yoğun olarak iki gruba ayrılmıştır. Bunlar Uydu ve SAR görüntüleri üzerine yapılan çalışmalardır. Bu kaynaklar üzerinde yapılan çalışma sayısı fazla olsada gelen görüntüler herkesin kullanımına açık değildir. Ayrıca çözünürlükleri gemi sınıflandırma ve tanıma için yetersiz kalmaktadır. Bu metodlara alternatif çözüm olarak derin öğrenme teknolojisi olan CNN' ler oldukça popüler hale gelmiştir. Geçtiğimiz 30 yıl boyunca, bilgisayar görme teknolojileri görsel görevlerde insanlara yardım etmekte zorlandı. Ancak, bugün derin öğrenme teknolojisindeki büyük ilerlemeler, bilgisayarların görüntüleri bir kişi kadar başarılı ve hatta daha iyi işleme yeteneğini sağlamıştır. Tezimizin CNN mimarileri üzerine kurulmasının sebeplerinden birisi de CNN modellerin sınıflandırma ve tanıma problemlerindeki senaryolara göre kolaylıkla sınıf sayılarının genişletilebilir olmasıdır. Bu tezde gemi sınıflandırma için VGG16, VGG 19, DenseNet121, Xception gibi literatürdeki en popüler derin öğrenme CNN mimarileri kullanılmıştır. Ayrıca gemi tanıma için ise YOLOv3 gibi yüksek performans elde edilen CNN mimari tercih edilmiştir. Tezimizde bu modellerin sonuçları karşılaştırılmıştır. Eğitim ve test için kendimizin oluşturduğu 6 adet gemi den oluşan veri setimiz kullanılmıştır. CNN modelleri çok fazla sayıda eğitim seti gerektirdiği için öğrenme aktarım teknolojisi, veri yetersizliği sorununu ortadan kaldırmak amacıyla bu modellerde uygulanmıştır. Tezimizin literatüre olan katkısını, gemi sınıflandırma problemleri için CNN model mimarilerin karşılaştırılması, CNN model mimarisindeki katman sayılarının etkilerinin araştırılması ve bu probleme yönelik uygun hiper parametre seçimi olarak sıralayabiliriz. Gemi tanıma için ise etiketli veri sayısının performans üzerindeki etki olarak değerlendirebiliriz.