Yere nüfuz eden radar verilerinde tel tespiti için aktarım ve çok görevli öğrenme yöntemleri

Yere Nüfuz Eden Radar (YNR), gömülü hedef tespiti, sınıflandırması ve tanımlanması uygulamalarında yaygın olarak kullanılan bir araçtır. YNR, gömülü hedeflerin toprağa göre elektriksel iletkenlik farklılıklarından yararlanarak çıktı oluşturmaktadır. Aynı şekle sahip ancak farklı materyallerden oluşan hedeflerin sınıflandırılması, özellikle benzer elektriksel iletkenliğe sahip hedeflerde zor bir problemdir. Hedef dışındaki cisimlerden kaynaklı yansımalar, yani gürültüler, bu zorluğun katlanarak artmasına neden olmaktadır. Böyle bir sınıflandırma probleminde, öznitelik çıkarımının çok zor olması ve alan bilgisi gerektirmesi nedeniyle, derin öğrenme yöntemi kullanılmıştır. Derin öğrenme, verideki öznitelikleri ve sınıflandırıcıyı otomatik olarak öğrenmesi sayesinde son beş yıldır üstün performans sergileyerek öne çıkan bir yöntemdir. Derin öğrenme modeli, öznitelikleri otomatik olarak öğrenmek için çok sayıda veriye ihtiyaç duymaktadır. Gerçek veri toplamanın maliyetli ve zor olması nedeniyle bu tezde YNR benzetimi yapan gprMax programı ile sentetik YNR verisi üretilmiştir. Bu veri kümesi, kuru/nemli/ıslak topraklara yerleştirilmiş plastik tel hedefleri ile başka materyallerden yapılmış teller ve parazit cisimlerden oluşmaktadır. Üretilen veriler, üç çeşit sınıflandırma algoritmasıyla sınıflandırılmıştır. Bunlar (i) standart derin evrişimsel sinir ağları, (ii) aktarım öğrenmesi kullanılan bir derin öğrenme modeli ve (iii) çok görevli öğrenme kullanan bir derin öğrenme modelidir. Aktarım öğrenmesi, önceden çok sayıda veri ile eğitilmiş bir derin öğrenme modelinden kazanılan bilgilerin mevcut modele aktarılması işlemidir. Bu sayede önceden eğitilmiş modelin çok sayıda veriden kazandığı genel öznitelikler (ör. renk ve kenar algılama), mevcut derin öğrenme modeline aktarılarak, az sayıda eğitim verisi olmasına rağmen iyi bir sınıflandırılma başarımı elde edilmesi sağlanmıştır. Fakat farklı toprak türlerinde hedef tespitinin zorlaştığı görülmüştür. Bu nedenle hedef tespit başarımını daha da yükseltmek için çok görevli öğrenme yöntemi kullanılmıştır. Çok görevli öğrenme, diğer ilgili görevlerin eğitim bilgilerini kullanarak bir göreve yönelik öğrenmeyi iyileştiren bir yaklaşımdır. Bu tezde çok görevli öğrenmenin birincil görevi, hedefler ile hedef olmayan cisimlerin ayrılmasıdır. İkinci görevi ise toprak türünün tespitidir. Her görev için öğrenilenler, diğer görevlerin daha iyi öğrenilmesine yardımcı olabilir. Bu sayede, toprağın çeşidine göre hedef tespiti yapan, daha özelleştirilmiş bir sınıflandırıcı eğitilmiştir. Çok görevli öğrenme yönteminin uygulanması ile toprak türü görevinin öğrendiklerinin hedef tespit başarımına olumlu katkı sağladığı görülmüştür. Bu tezin amacı, gömülü olarak bulunan hedeflerin yüksek başarım ile doğru sınıflandırılmasıdır. Bu amaç doğrultusunda, derin öğrenme, aktarım öğrenmesi ve çok görevli öğrenme yöntemleri önerilmiş ve başarıma katkıları incelenmiştir.