Yazar "Türkdamar, Mehmet Uğur" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    Field Detection from Satellite Images with Deep Learning Methods
    (Institute of Electrical and Electronics Engineers Inc., 2023) Türkdamar, Mehmet Uğur; Taşyürek, Murat; Öztürk, Celal
    Today, effective production is interrupted unless land ownership disputes are resolved. The state cannot make the necessary investments due to these disputes not being concluded, and the borders of the fields remain unclear. Artificial intelligence-based methods can be suggested to eliminate disagreements and uncertainty. By using convolutional neural network (CNN) based deep learning networks in which image data are meaningful, areas with primary importance in crop production have been identified in this study. With the CNN networks used by computer vision technology, meaningful information can be extracted from the image. Field detection processes were carried out in this study by using deep learning networks that learn from data. As remote sensing studies gain speed, the number of deep learning studies also increases. For this purpose, satellite images were first collected from the Google Earth website, and then these collected images were used in Faster R-CNN and SSD training, which gained a reputation for accuracy and speed. It is aimed to provide more efficient production and resolve disputes by detecting the fields from satellite images. From two different networks running, SSD outperformed Faster R-CNN in terms of both accuracy and run time. With an f1 score of %97.32, SSD gave Faster R-CNN %3.18 superiority. In the field object results in the test images, the SSD outperformed by detecting 12 more fields. In terms of run times, the SSD performed faster detections with a difference of 285.5ms in the experiments tried in one-third of the test images. © 2023 IEEE.
  • Küçük Resim Yok
    Öğe
    Transfer öğrenmeli ve transfer öğrenmesiz derin ağlar ile inşaat alanında kask tespiti
    (2023) Türkdamar, Mehmet Uğur; Taşyürek, Murat; Öztürk, Celal
    İnsan yaşamını önceleyen sistemlerin yaygınlaşması toplumlara bütüncül fayda sağlamaktadır. Solunum yoluyla bulaşıcı hastalıklardan sakınmak için ağız-burun maskesi takmanın Covid-19 pandemisi ile zorunlu hâle geldiği gibi yapı inşaatında çalışan işçilerin inşaat alanında kafa kaskı takması zorunludur. İnşat alanlarında çalışan işçilerin kaskını takıp takmadığının kontrolünü göz ile yapmak yorucu ve hataya açıktır. Yapay zekâ tabanlı bilgisayar teknolojilerinin geliştiği bu çağda hayatımızı her anlamda kolaylaştıran sistemlerin varlığı ümit vaat etmektedir. Bu çalışmada görüntü verisinin anlamlandığı evrişimli sinir ağı (ESA) tabanlı derin öğrenme ile kask takma kontrolünün otomatik yapılması önerilmiştir ve YOLO V4, V5 ve Faster R-CNN modellerine uygulanan transfer öğrenme tekniği ile kısıtlı veri seti probleminin üstesinden gelinmiştir. Deneylerde transfer öğrenme uygulanmayan eğitimlere de yer verilerek yöntemin etkinliği incelenmiştir. Sonuçta transfer öğrenmeli YOLO V5 modelinin %98 f1 skor ile 6 farklı model eğitimi arasında en başarılı olduğu gözlemlenmiştir.