Tarihi hava fotoğraflarının derin öğrenme ile semantik segmentasyonu

Tarihi görüntü arşivleri, uydu çağından önceki dünya bölgeleri hakkında değerli bilgiler sağlar. Arazi örtüsü ve kullanımı hakkında bilgi edinmek ve zamansal değişimlerin gözlemlenebilmesi açısından bu arşivler vazgeçilmez bir kaynak olmuştur. Bu durum, tarihi hava fotoğraflarının yüksek doğrulukta semantik olarak anlamlandırılmasını gerektirmiştir. Çalışmada, semantik segmentasyon işlemi için U-Net omurgalı DeepLabV3 modeli uyarlanarak kullanılmış ve bu mimarinin tarihi hava fotoğrafları üzerindeki başarımı zemin ve zemin üstü objeleri kapsayacak şekilde 5 sınıflı ve 3 sınıflı olarak değerlendirilmiştir. Veri etiketleme süreci, LabelMe yazılımı ile manuel olarak gerçekleştirilmiştir. Tarihi hava fotoğrafları, toplamda 120 adet 256×256 piksel boyutu ile alt parçalara bölündükten sonra eğitim, validasyon ve test kümelerine ayrılmıştır. Ayrıca mimariye, söz konusu tarihi hava fotoğraflarının 3 boyutlu değerlendirilmesiyle üretilmiş Sayısal Yükseklik Modeli (SYM) ilave edilerek sonuçlar karşılaştırılmıştır. Performans değerlendirme aşamasında, kesişim birleşim oranı (Intersection over Union - IoU) ve F1 Skor doğruluk metrikleri kullanılmıştır. 5 sınıflı veri için F1 Skor %60.94 ve IoU %46.90, 3 sınıflı veri için F1 Skor %76.19 ve IoU %66.85, SYM eklenerek oluşturulmuş 5 sınıflı veri için F1 Skor %61.48 ve IoU %47.53, 3 sınıflı veri için F1 Skor %77.59 ve IoU %68.24 düzeyinde hesaplanmıştır.