Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Fen Bilimleri Enstitüsü, Elektronik ve Bilgisayar Eğitimi Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2019
Tezin Dili: Türkçe
Öğrenci: Özgür KUTLU
Asıl Danışman (Eş Danışmanlı Tezler İçin): Önder Demir
Eş Danışman: Barış Doğan
Özet:
Günümüz insansız hava aracı (İHA) teknolojisi savunma sanayii, eğlence ve film endüstrisi, taşımacılık(paket teslimatı) gibi çok farklı sektörlerde yer edinmiş durumdadır. Savunma ve havacılık sektörüne yönelik araştırmalar yapan Teal Group’un 16 Temmuz 2018 tarihli raporunda Sivil İnsansız Hava Sistemlerinin (UAS) rekor düzeyde girişim sermayesi çektiği ve bu on yılda dünya havacılık endüstrisinin en dinamik büyüme sektörü olacağı belirtiliyor. İnsansız hava araçlarının kontrol ve yönlendirilmesinde kullanılacak akıllı sistemler ise yapay zeka çalışmalarıyla yakından ilişkilidir. Son yıllarda yapay zekâ algoritmaları en çok araştırma yapılan ve uygulama geliştirilen çalışma alanlarından biridir. Yapay zekâ uygulamalarında makine öğrenmesi, yapay sinir ağları, sınıflandırma, kümeleme algoritmaları gibi birçok alt yöntem kullanılmaktadır. Bu yöntemlerden biri de derin öğrenmedir. Derin öğrenme gelişmiş bir makine öğrenmesi sınıfıdır. Derin Öğrenme yöntemi kullanılarak Video analizi, görüntü sınıflandırma, konuşma tanıma ve doğal dil işleme gibi alanlarda çok başarılı sonuçlar elde edilmektedir. Derin Öğrenme ve İnsansız hava araçları alanlarını kapsayacak projelerin sağlayacağı veriler ve tecrübeler, bu konularda yapılan nitelikli çalışmaların sayısını arttırarak ülkemizin bu teknolojilerde katma değeri yüksek ürünler geliştirilmesine katkı sağlayacaktır. Bu çalışmada, insansız hava araçlarından alınacak görüntü verisini değerlendiren ve çeşitli çıkarımlar (Sınıflandırma, konumlandırma, işaretleme) yapan bir kontrol yazılımı oluşturulmuştur. Önceden eğitilmiş yapay sinir ağı modellerinin son katmanlarının veri setimizle tekrar eğitilmesi yöntemi kullanarak eğitim süresi azaltılmaya ve başarı arttırılmaya çalışılmıştır. Yapılan çalışmalarda 2 ön eğitimli model kullanılmış bu modellerin eğitilmesi sonucu yapılan testlerde 190 bin adımlık eğitim sonucunda mAP değerleri olarak 25.39 ve 27.87 değerlerine ulaşılmıştır.