Yere nüfuz eden radar görüntülerinde derin öğrenme ile askeri anlamda tehdit oluşturabilecek gömülü alanların tespiti

Gömülü kara mayınlarının ve el yapımı patlayıcıların varlığı, özellikle ordular için dünyanın birçok bölgesinde ciddi bir tehdittir. Gömülü nesneleri tespit etmek ve sınıflandırmak için literatürde çeşitli teknikler önerilmiş ve geliştirilmiş olmasına rağmen, yüksek doğruluk performansı sağlayan otomatik ve kullanımı kolay sistemler hala araştırılmaktadır. Evrişimsel Sinir Ağları (ESA) yakın zamanda görüntü sınıflandırma ve nesne algılama görevlerinde olağanüstü performans göstermiştir. Büyük miktarda veri ve donanım teknolojisindeki iyileşme, ESA'ndaki araştırmayı hızlandırmış ve son zamanlarda derin ESA mimarileri tanıtılmıştır. Dahası, yere nüfuz eden radar (YNR) yardımıyla gömülü nesnelerin tespiti için ESA da kullanılır hale gelmiştir. YNR, gömülü tehdit tespiti için en çok çalışılan yöntemlerden biridir. Bu tez çalışmasında kullanılan veriler araca monteli YNR sistemi kullanılarak toplanmıştır. Deneysel veri seti 8664 pozitif ve 8596 negatif YNR görüntüsünden oluşmaktadır. Bu tez çalışması, YNR verilerinde gömülü tehditlerin tespiti için yeni bir ESA mimarisi önermektedir. Önerilen ESA ile gerçekleştirilen sınıflandırmada 10 kat çapraz doğrulama kullanılmış ve ortalama yüzde 98 genel doğruluk elde edilmiştir. Önerilen ESA mimarisi literatürde bilinen farklı ESA mimarileri ile de kıyaslanmıştır. Ayrıca, filtre sayısı, optimizasyon çeşitleri, dropout oranı ve auto encoder downsampling gibi farklı parametreler ile de test edilerek önerilen mimarinin avantaj ve dezavantajları ortaya konulmuştur.