Nesne tespiti algoritmaları ve yüksek çözünürlüklü evrişimsel sinir ağıyla savunma sanayii alanındaki küçük nesnelerin tespiti

Tez Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye

Tez Danışmanı: Prof. Dr. Fırat Hardalaç

Tezin Onay Tarihi: 2023

Tezin Dili: Türkçe

Özet:

Otomatik nesne tespiti, savunma sanayii alanında önemlidir. Bu cisimler genellikle küçük ve kamuflajlı yani net bir şekilde görülemedikleri için, net ve büyük görünmeleri daha da önem kazanmaktadır. Bu nedenle, savunma sanayii alanında nesne algılama algoritmalarını kolaylaştırmak için düşük çözünürlüklü ve düşük boyutlu görüntülerden yüksek çözünürlüklü ve yüksek boyutlu görüntüler elde eden bir model sunulmaktadır. Sunulan model, hızlı süper çözünürlüklü evrişimsel sinir ağı ile literatürde yaygın olarak kullanılan VGG16 modelinin birleşimidir. Bu modelle küçük boyutlu görüntülerin büyütülerek nesne tespiti yapılırken kolaylık sağlanması amaçlanmaktadır. Savunma sanayii alanındaki verilerin sınırlı olması nedeniyle veri seti internetten toplanmıştır. Toplamda 900 adet görselden oluşan veri seti belirli veri artırma teknikleri ile artırılmıştır. Model eğitimi için hem yüksek hem de düşük boyutlu görüntü gerektirdiğinden, toplanan yüksek boyutlu görüntülerden bikübik enterpolasyon yöntemi ile düşük boyutlu görüntüler elde edilmiştir. Sunulan modelin eğitiminin ardından test görüntülerinden elde edilen yüksek çözünürlüklü görüntüler YOLO versiyonlarının eğitiminde kullanılmıştır. Çalışmada YOLOv4'ten YOLOv8'e kadar beş farklı YOLO versiyonu kullanılmıştır. Sunulan süper çözünürlüklü model için 47,81 BRISQUE skoru elde edilirken, YOLOv7 için 0,903 mAP değeri elde edilmiştir.