Helikopter görüntülerinde derin öğrenme ile sınıflandırma ve nesne tespiti: GoogleNet, AlexNet ve YOLOv9c mimarilerinin performans analizi
Küçük Resim Yok
Tarih
2025
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Helikopter görüntülerinin sınıflandırılması ve tespiti, otonom navigasyon sistemlerinin, askeri operasyonların, arama kurtarma görevlerinin ve sivil havacılık yönetiminin önemli bileşenlerindendir. Bu çalışmada helikopter görüntüleri için iki farklı veri seti kullanılmıştır. Sınıflandırma için rastgele yeniden boyutlandırma, kesme, yatay döndürme, döndürme ve renk değişiklikleri gibi veri artırma teknikleri uygulanmıştır. Görüntülerin kontrastı da histogram eşitleme yöntemi kullanılarak yeniden düzenlenmiştir. 24 sınıf helikopter veri seti GoogleNet ve AlexNet mimarileri kullanılarak eğitilmiştir. Nesne tespiti için YOLOv9c mimarisi kullanılmıştır. Deneysel sonuçlar, GoogleNet tabanlı sınıflandırma modelinin test setinde %81 F-1 skoru elde ettiğini ve AlexNet modelinde genel F1 skorunun %73 olduğunu göstermektedir. YOLOv9c modeli ise ortalama %87 mAP oranları elde etmiştir. Bu sonuçlar, bir tür derin öğrenme modeli olan CNN mimarilerinin ve YOLO nesne tespitinin helikopter görüntüsü sınıflandırma ve tespitinde iyi olduğunu gösteriyor. Çalışma, helikopter ve bileşenlerini tespit etme ve sınıflandırmada iyi performans gösteren modellerin askeri, arama kurtarma ve sivil havacılık dahil olmak üzere çeşitli alanlarda kullanılabileceğini göstermiştir.
Açıklama
Anahtar Kelimeler
Bilgisayar Bilimleri, Yazılım Mühendisliği, Bilgisayar Bilimleri, Yapay Zeka
Kaynak
Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
14
Sayı
1
