In EDS ansehen

İnsansız Hava Araçlarının Segmentasyon Çalışmalarında Kullanımı

Gespeichert in:
Bibliographische Detailangaben
Titel: İnsansız Hava Araçlarının Segmentasyon Çalışmalarında Kullanımı
Autoren: Osman Villi, Murat Yakar
Quelle: Volume: 6, Issue: 130-41
Türkiye İnsansız Hava Araçları Dergisi
Turkey Unmanned Aerial Vehicle Journal
Verlagsinformationen: Turkiye Insansiz Hava Araclari Dergisi, 2024.
Publikationsjahr: 2024
Schlagwörter: Electronic Sensors, İHA, Segmentasyon, Sınıflandırma, Görüntü İşleme, Derin Öğrenme, Elektronik Algılayıcılar, UAV, 3D Segmentation, Classification, Image Processing, Deep Learning
Beschreibung: İnsansız hava aracı üzerine entegre edilen gelişmiş kamera sistemleri sayesinde yüksek çözünürlüğe sahip görüntüler elde edilebilmektedir. Bu görüntüler çoğu zaman, uydu görüntülerine göre mekânsal, zamansal, radyometrik ve spektral çözünürlük olarak daha avantajlıdır. Ancak, taranan alanların büyüklüğüne bağlı olarak, elde edilen veriler büyük boyutlara ulaşmakta ve fazla yer kaplamaktadır. Bu nedenle verilerin işlenerek anlamlı bilgilerin ve çıkarımların elde edilmesi zorlaşmaktadır. Görüntülerin içerisinden anlamlı olan verilere ulaşabilmek için birçok yöntem geliştirilmiştir. Önceleri, operatörler görüntüleri tek tek inceleyerek analiz etmekte iken, günümüzde nesne tabanlı ve piksel tabanlı veri çıkarımları geliştirilmiştir. Bu yöntemler sayesinde, veriler hızlı ve yüksek doğruluk oranına sahip olacak şekilde yazılımlar tarafından ayrıştırılabilmektedir. Segmentasyon ve sınıflandırma yöntemleri sayesinde kategorilendirme, alt sınıflara bölme, ayrıştırma, tespit etme gibi işlemlerin yapılması kolaylaşmaktadır. Büyük ve karmaşık verilerin analizi için veri üzerinde yapılacak segmentasyon ve sınıflandırma işlemleri oldukça kritik öneme sahiptir. Birçok çalışma göstermektedir ki bu teknikler ve uygulamalar her geçen gün gelişmekte ve literatüre girmektedir. Bu çalışma kapsamında, insansız hava araçları ile yapılan segmentasyon ve sınıflandırma çalışmalarına değinilmiş, çalışmaların sonuçları irdelenmiştir. Hibrit ve derin öğrenme temelli teknikler kullanılan çalışmaların diğer çalışmalara göre daha verimli sonuçlar ürettiği görülmektedir.
Publikationsart: Article
Dateibeschreibung: application/pdf
ISSN: 2687-6094
DOI: 10.51534/tiha.1419865
Zugangs-URL: https://dergipark.org.tr/tr/pub/tiha/issue/85151/1419865
Dokumentencode: edsair.doi.dedup.....d89a7b2f2018138eb7a2cdba76050b1e
Datenbank: OpenAIRE
Beschreibung
Abstract:İnsansız hava aracı üzerine entegre edilen gelişmiş kamera sistemleri sayesinde yüksek çözünürlüğe sahip görüntüler elde edilebilmektedir. Bu görüntüler çoğu zaman, uydu görüntülerine göre mekânsal, zamansal, radyometrik ve spektral çözünürlük olarak daha avantajlıdır. Ancak, taranan alanların büyüklüğüne bağlı olarak, elde edilen veriler büyük boyutlara ulaşmakta ve fazla yer kaplamaktadır. Bu nedenle verilerin işlenerek anlamlı bilgilerin ve çıkarımların elde edilmesi zorlaşmaktadır. Görüntülerin içerisinden anlamlı olan verilere ulaşabilmek için birçok yöntem geliştirilmiştir. Önceleri, operatörler görüntüleri tek tek inceleyerek analiz etmekte iken, günümüzde nesne tabanlı ve piksel tabanlı veri çıkarımları geliştirilmiştir. Bu yöntemler sayesinde, veriler hızlı ve yüksek doğruluk oranına sahip olacak şekilde yazılımlar tarafından ayrıştırılabilmektedir. Segmentasyon ve sınıflandırma yöntemleri sayesinde kategorilendirme, alt sınıflara bölme, ayrıştırma, tespit etme gibi işlemlerin yapılması kolaylaşmaktadır. Büyük ve karmaşık verilerin analizi için veri üzerinde yapılacak segmentasyon ve sınıflandırma işlemleri oldukça kritik öneme sahiptir. Birçok çalışma göstermektedir ki bu teknikler ve uygulamalar her geçen gün gelişmekte ve literatüre girmektedir. Bu çalışma kapsamında, insansız hava araçları ile yapılan segmentasyon ve sınıflandırma çalışmalarına değinilmiş, çalışmaların sonuçları irdelenmiştir. Hibrit ve derin öğrenme temelli teknikler kullanılan çalışmaların diğer çalışmalara göre daha verimli sonuçlar ürettiği görülmektedir.
ISSN:26876094
DOI:10.51534/tiha.1419865