Uzak algılama görüntülerinde denetimli ve denetimsiz gemi tespiti

Bu tez, deniz gözetleme, liman izleme ve deniz istihbaratı açısından kritik öneme sahip olan hava ve uydu görüntülerinden otomatik gemi tespiti problemini ele almaktadır. Bu zorluğun üstesinden gelmek için hem etiketli hem de etiketsiz verileri kullanan iki tamamlayıcı yöntem önerilmektedir. İlk yöntem, klasik RX anomali tespiti yöntemini geliştiren, karo tabanlı bir Global-Local RX (GLRX) dedektörüdür. Bu yöntem, küresel istatistiksel bağlamı yerel uzamsal farkındalıkla birleştirerek uzaklığa dayalı ağırlıklı karo birleşimi ile anomali tespitini güçlendirmektedir. Etiketlenmiş piksel verisi gerektirmeyen bu denetimsiz yaklaşım, etkili anomali lokalizasyonu sağlamaktadır. İkinci yöntem, Segment Anything Model (SAM) üzerine Low-Rank Adaptation (LoRA) yaklaşımı ile yapılan denetimli derin öğrenme temelli ince ayar sürecidir. SAM-LoRA yapısı, gemi segmentasyonu görevine yönelik olarak piksel bazlı maskeler ile optimize edilmiştir. Farklı LoRA rank değerleri ve omurga yapılandırmaları test edilmiştir. ViT-L daha yüksek bir doğruluk sağlamış olsa da, ViT-B omurgası ve 256 LoRA derecesi ile elde edilen yapı, segmentasyon doğruluğu ile hesaplama verimliliği arasında dengeli bir çözüm sunduğundan tercih edilmiştir. Bu iki yöntem birlikte, hem denetimli hem de denetimsiz senaryoları kapsayan sağlam bir gemi tespiti hattı sunmaktadır.