Afetlerin erken tespiti, iklim değişikliğinin izlenmesi ve kentlerin yıllar içindeki dönüşümünün analiz edilmesi… Tüm bu kritik süreçlerin merkezinde yer alan uzaktan algılama teknolojileri, son yıllarda yapay zekâ destekli yöntemlerle adeta çağ atladı. Gelişen uydu teknolojileri ve açık veri kaynakları sayesinde, uzaktan algılama artık yalnızca uzmanların değil, birçok disiplinin ortak çalışma alanı haline geldi.
Çözünürlük ve Veri Eksikliği En Büyük Engel
Uzaktan algılama çalışmalarında en belirleyici unsurların başında görüntü çözünürlüğü geliyor. Düşük çözünürlüklü görüntüler, yeryüzündeki nesnelerin ayırt edilmesini zorlaştırırken sınıflandırma doğruluğunu da ciddi biçimde düşürüyor. Buna ek olarak, uydu görüntülerinde yeterli ve dengeli veri bulmak hâlâ önemli bir problem olarak öne çıkıyor.
Derin Öğrenme Uzaydan Gelen Veriyi Anlamlandırıyor
Bu noktada devreye giren derin öğrenme tabanlı yapay zekâ modelleri, uydu görüntülerinden otomatik olarak öznitelik öğrenme ve yüksek doğrulukla sınıflandırma yapabilme yeteneğiyle dikkat çekiyor. Geleneksel yöntemlerin aksine, insan müdahalesini en aza indiren bu ağlar, büyük veri setleri üzerinde üstün performans sergiliyor.
Üç Farklı Veri Seti, Tek Bir Amaç
Bilimsel çalışmada, Avrupa Uzay Ajansı destekli EuroSAT veri seti ile dünya genelinde sık kullanılan AID veri seti ayrı ayrı incelendi. Ayrıca bu iki veri setinin uygun koşullar altında birleştirilmesiyle yeni bir “birleşik veri seti” oluşturuldu. Amaç, sınıf sayısı arttıkça yapay zekâ modellerinin başarısının nasıl değiştiğini gözlemlemek ve farklı algoritmaları karşılaştırmaktı.
Makine Öğrenmesi mi, Derin Öğrenme mi?
Analizlerde hem klasik makine öğrenmesi algoritmaları hem de güncel derin öğrenme mimarileri test edildi. Özellikle görüntü tanıma alanında öne çıkan derin öğrenme ağlarının, çok sınıflı ve karmaşık uydu görüntülerinde daha istikrarlı sonuçlar verdiği görüldü.
Rekor Performans: %98’in Üzerinde Doğruluk
Elde edilen sonuçlar dikkat çekici düzeyde. EuroSAT veri setinde en yüksek başarı, %98’in üzerinde doğruluk oranıyla derin öğrenme tabanlı DenseNet-201 modeliyle sağlandı. AID veri setinde de benzer şekilde aynı model öne çıkarken, iki veri setinin birleştirilmesiyle oluşturulan yeni veri kümesinde başarı oranının daha da arttığı gözlemlendi.
Afet Yönetiminden Akıllı Şehirlere Katkı Sağlayacak
Uzmanlara göre bu tür çalışmalar, yalnızca akademik başarıyla sınırlı kalmıyor. Yüksek doğrulukla sınıflandırılan uydu görüntüleri; deprem, sel ve orman yangınlarının erken tespiti, tarım alanlarının izlenmesi ve akıllı şehir planlaması gibi birçok alanda doğrudan uygulama potansiyeli taşıyor.
Uzaydan Gelen Veri, Yapay Zekâ ile Geleceği Şekillendiriyor
Ortaya çıkan bulgular, yapay zekânın uzaktan algılama alanındaki rolünün giderek güçleneceğini gösteriyor. Veri setlerinin zenginleştirilmesi ve derin öğrenme modellerinin geliştirilmesiyle, yeryüzüne dair çok daha hassas ve hızlı analizlerin mümkün olacağı öngörülüyor.
Kaynak: BAŞKENT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ TEZLİ YÜKSEK LİSANS PROGRAMI DERİN ÖĞRENME VE MAKİNE ÖĞRENMESİ İLE UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI HAZIRLAYAN CANBERK AYDEMİR YÜKSEK LİSANS TEZİ ANKARA - 2022 TEZ NO: 711362
