İnsansız hava araçları ve uydu görüntülerinden elde edilen veri seti ile havaalanlarının tespitinin yapılmasında SSD ve Faster R-CNN algoritmalarının karşılaştırılması

Abstract

Günümüzde görüntü işleme çalışmalarında birçok faklı sektörde, özellikle sağlık, üretim ve askeri alanlarda, doğrudan insan yaşantısında çeşitli amaçlarla kullanılmaya başlanmıştır. Derin öğrenme algoritmalarının gelişmesi ve bilgisayarlı görüde kullanılmaya başlanması özellikle askeri alandaki kritik hedef, önemli konum ve stratejik bölge tespiti gibi çalışmalara hız kazandırmıştır. Bu çalışmada Airport olarak adlandırılan havaalanlarının, uçak iniş pistleri üzerinden tespiti gerçekleştirilmiştir. Hem orta ve yüksek irtifalı insanız hava araçlarından hem de uydu görüntüleri kullanılarak eğitim test ve değerlendirme veri setleri oluşturulmuştur. Tespit yapılması sürecinde SSD-Single Shot Multibox algoritması ve Faster R-CNN algoritması yeniden eğitilerek kullanılmıştır. Her iki algoritmanın sonuçları doğruluk oranı, duyarlılık, özgüllük, yanlış pozitif oranı, yanlış negatif oranı, doğru tahmin oranı, F puanı, hata oranı, sonuç ve eğitim süresi gibi değerlendirme kriterleri kapsamında değerlendirilmiştir. Değerlendirme veri seti üzerinde; SSD mimarisi ile %76,61 doğruluk oranıyla, Faster R-CNN mimarisinde ise %99,52 doğruluk oranı ile görüntü tespit sonucu elde edilmiştir. Söz konusu çalışma ile iki mimariden hangisinin insansız hava araçları ve uydu görüntülerinde kritik bölge tespitinde ne derece başarılı olduğu ortaya çıkarılmıştır.

Today, image processing has been used in many different sectors, especially in health, production and military fields, for various purposes directly in human life. The development of deep learning algorithms and starting to use of computerized vision has accelerated the studies such as critical target, important location and strategic region determination especially in the military field. In this study, the airport has been determined on the landing runways. Training test and evaluation data sets were created by using both medium and high-altitude human aircraft and satellite images. SSD-Single Shot Multibox algorithm and Faster R-CNN algorithm were used by re-training during the determination process. The results of both algorithms were evaluated within the extend of evaluation criteria such as accuracy, sensitivity, specificity, false positive rate, false negative rate, positive pred value, F score, error rate, result and training time. The image detection accuracy with SSD algorithm was 76,61%, with Faster R-CNN algorithm the image detection accuracy was 99.52% according to valuation dataset. With this study, which of the two architectures has been revealed to be successful in determining critical areas in unmanned aerial vehicles and satellite images.