İnsansız hava aracından çekilen videolar kullanılarak derin öğrenme yaklaşımı ile nesne tespiti

Basit Öğe Kaydı
dc.authorid0000-0002-9190-5061en_US
dc.authorid0000-0002-9913-5946en_US
dc.contributor.authorUsta, Ayşan
dc.contributor.authorArserim, Muhammet Ali
dc.date.accessioned2023-03-23T06:48:56Z
dc.date.available2023-03-23T06:48:56Z
dc.date.issued2023en_US
dc.departmentDicle Üniversitesi, Mühendislik Fakültesi, Elektrik Elektronik Mühendisliği Bölümüen_US
dc.description.abstractGünümüzde, İnsansız Hava Araçları(İHA) sınır güvenliği, sahil güvenliği, savunma, saldırı başta olmak üzere arama kurtarma, zirai ilaçlama, yangın söndürme gibi geniş bir kullanım alanına sahiptir. Bununla beraber İHA’nın bazı görevleri otonom bir şekilde yerine getirebilmesi ise bilgisayarlı görü sisteminin buna entegresi ile olur. Bu alandaki uygulamalardan biri olan havadan nesne tespiti uygulamaları, uzaklık, yakınlık kavramlarına bağlı olarak farklı boyutlardaki nesneleri tespit edememe, yavaş tespit, yanlış tahminleme gibi çeşitli hatalar içerebilir. Derin Öğrenme(DÖ) uygulamaları ile bu hatalar en aza indirilebilir. Bu çalışmada VRAT[1] video setinden alınan görüntülerle YOLOv3 DÖ ağı eğitilmiş ve daha sonra DJI Mavic 2 Zoom İHA kamerasından elde edilen görüntülerle tekrar eğitim yapılarak videodaki araçların ve yayaların tespiti sağlanmıştır. Eğitim ve test süreci Google Colab Tesla T4 GPU makinesinde gerçekleştirilmiştir. Modelin performansı ilk ve ikinci eğitim için Loss, mAP 2.345, %79 ve 1.171, %70.09 olarak bulunmuştur.en_US
dc.description.abstractToday, Unmanned Aerial Vehicles (UAV) have a wide range of uses such as border security, coast guard, defense, attack, search and rescue, agricultural spraying, fire extinguishing. However, the ability of the UAV to perform some tasks autonomously is possible with the integration of the computer vision system. Aerial object detection applications, which is one of the applications in this field, may contain various errors such as not being able to detect objects of different sizes, slow detection, wrong estimation, depending on the concepts of distance and proximity. These errors can be minimized with Deep Learning (DL) applications. In this study, the YOLOv3 DL network was trained with the images taken from the VRAT[1] video set, and retrained with the images obtained from the DJI Mavic 2 Zoom UAV camera to detect the vehicles and pedestrians in the video. The training and testing process was carried out on the Google Colab Tesla T4 GPU machine. The performance of the model for the first and second training was found as 2.345, 79% and 1.171, 70.09% for loss, and mAPvalues.en_US
dc.identifier.citationUsta, A. ve Arserim, M. A. (2023). İnsansız hava aracından çekilen videolar kullanılarak derin öğrenme yaklaşımı ile nesne tespiti. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 14(1), 9-15.en_US
dc.identifier.doi10.24012/dumf.1191160en_US
dc.identifier.endpage15en_US
dc.identifier.issn1309-8640
dc.identifier.issn2146-4391
dc.identifier.issue1en_US
dc.identifier.startpage9en_US
dc.identifier.trdizinid1275695en_US
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/2716754
dc.identifier.urihttps://hdl.handle.net/11468/11497
dc.identifier.volume14en_US
dc.institutionauthorUsta, Ayşan
dc.institutionauthorArserim, Muhammet Ali
dc.language.isotren_US
dc.publisherDicle Üniversitesi Mühendislik Fakültesien_US
dc.relation.ispartofDicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisien_US
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectİHAen_US
dc.subjectYoloV3en_US
dc.subjectDarknet-53en_US
dc.subjectUAVen_US
dc.titleİnsansız hava aracından çekilen videolar kullanılarak derin öğrenme yaklaşımı ile nesne tespitien_US
dc.title.alternativeObject detection by deep learning approach using images taken from unmanned aerial vehicleen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
İnsansız hava aracından çekilen videolar kullanılarak derin öğrenme yaklaşımı ile.pdf
Boyut:
793.21 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Makale Dosyası
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
[ X ]
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Dicle Üniversitesi Mühendislik Fakültesi Dergisi
TR-Dizin İndeksli Yayınlar Koleksiyonu