Uzaktan algılama verilerinin derin öğrenme ile sınıflandırılması

Bu araştırmada, uzaktan algılama platformları vasıtasıyla elde edilen görüntülerden kentsel nesnelerin otomatik olarak sınıflandırılması sorunu için Derin Öğrenme ağları önerilmiş ve önerilen ağlar kendi aralarında doğruluk, zaman kullanımı ve ağ karmaşıklığı gibi konularda karşılaştırılmışlardır. Günümüzde anlamsal bölütleme için geliştirilmiş Derin Öğrenme mimarilerinin, uzaktan algılanmış görüntülerde kentsel nesnelerin otomatik sınıflandırılmasında etkili olacağı düşüncesi ile UNet, SegNet ve PSPNet gibi anlamsal bölütlemede kendini kanıtlamış mimariler kullanılmıştır. Sınıflandırma için kullanılan görüntüler Uluslararası Fotogrametri ve Uzaktan Algılama Birliği (UFUAB) kullanıma sunduğu Vaihingen ve Potsdam verileridir. Vaihingen veri setinin eğitim ve test kısmında ücretsiz bulut sistemi olan Google Colab kullanılmış ve bu tür ağların eğitiminde maliyetin düşürülmesi için büyük bir alternatif sunulmuştur. Potsdam veri setinin eğitim ve test aşamasındaysa bir iş istasyonu kullanılmıştır. Yapılan çalışmadaki tüm kodlar Python yazılım dili kullanılarak yazılmıştır. Çalışmadan elde edilen sonuçlara bakıldığı zaman; her iki veri seti içinde genel olarak SegNet daha başarılı performans göstermiştir. UNet' tende SegNet' e yakın sonuçlar elde edilmiştir. Ancak PSPNet diğer iki mimariye göre daha kaba görünmektedir.