Publication: İnsansız hava aracı ile elde edilen görüntülerin derin öğrenme yöntemleri ile analizi
Abstract
İNSANSIZ HAVA ARACI İLE ELDE EDİLEN GÖRÜNTÜLERİN DERİN ÖĞRENME YÖNTEMLERİ İLE ANALİZİ 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.
ANALYSIS OF IMAGES OBTAINED BY UNMANNED AERIAL VEHICLE BY DEEP LEARNING METHODS Today's unmanned aerial vehicle (UAV) technology has taken place in many different sectors such as defense industry, entertainment and film industry, transportation (package delivery). Teal Group's research on the defense and aeronautics sector, July 16, 2018 report, Civil Unmanned Air Systems (UAS) is a record level of venture capital and the world's most dynamic growth sector in this decade is stated to be the most dynamic. Intelligent systems for controlling and directing unmanned aerial vehicles are closely related to artificial intelligence studies. In recent years, artificial intelligence algorithms are one of the most researched and developed applications. In artificial intelligence applications, many sub-methods such as machine learning, artificial neural networks, classification, clustering algorithms are used. One of these methods is deep learning. Deep learning is an advanced machine learning class. Using the Deep Learning method, video analysis, image classification, speech recognition and natural language processing are very successful. The data and experiences to be provided by the projects covering Deep Learning and Unmanned Aerial Vehicles will increase the number of qualified studies on these issues and contribute to the development of high value-added products in these technologies. In this study, a control software that evaluates image data from unmanned aerial vehicles and makes various inferences (classification, positioning, marking) is created. By using the method of retraining the last layers of the pre-trained artificial neural network models with our data set, it has been tried to reduce the training time and increase the success. In these studies, 2 pre-educated models were used and as a result of training of these models, as a result of 190 thousand steps of training, 25.39 and 27.87 mAP values were reached.
ANALYSIS OF IMAGES OBTAINED BY UNMANNED AERIAL VEHICLE BY DEEP LEARNING METHODS Today's unmanned aerial vehicle (UAV) technology has taken place in many different sectors such as defense industry, entertainment and film industry, transportation (package delivery). Teal Group's research on the defense and aeronautics sector, July 16, 2018 report, Civil Unmanned Air Systems (UAS) is a record level of venture capital and the world's most dynamic growth sector in this decade is stated to be the most dynamic. Intelligent systems for controlling and directing unmanned aerial vehicles are closely related to artificial intelligence studies. In recent years, artificial intelligence algorithms are one of the most researched and developed applications. In artificial intelligence applications, many sub-methods such as machine learning, artificial neural networks, classification, clustering algorithms are used. One of these methods is deep learning. Deep learning is an advanced machine learning class. Using the Deep Learning method, video analysis, image classification, speech recognition and natural language processing are very successful. The data and experiences to be provided by the projects covering Deep Learning and Unmanned Aerial Vehicles will increase the number of qualified studies on these issues and contribute to the development of high value-added products in these technologies. In this study, a control software that evaluates image data from unmanned aerial vehicles and makes various inferences (classification, positioning, marking) is created. By using the method of retraining the last layers of the pre-trained artificial neural network models with our data set, it has been tried to reduce the training time and increase the success. In these studies, 2 pre-educated models were used and as a result of training of these models, as a result of 190 thousand steps of training, 25.39 and 27.87 mAP values were reached.