GEMİ TESPİTİ UYGULAMASINDA YOLOV8 VE YOLOV9 ALGORİTMALARININ PERFORMANS DEĞERLENDİRMESİ

Authors : Beyzanur Tekindemir, Fatih Ahmet Şenel

Pages : 192-199

Doi:10.62301/usmtd.1577868

View : 62 | Download : 145

Publication Date : 2024-12-31

Article Type : Research Paper

Abstract :Gemi tespiti ve sınıflandırması, deniz gözetimi ve izleme alanında kritik bir konu olup; balıkçılık yönetimi, göçmen izleme, deniz kurtarma ve deniz savaşlarına kadar geniş bir yelpazede uygulanmaktadır. Uzaktan algılama teknolojileri, geniş kapsama alanı ve düşük maliyetli erişim gibi avantajları nedeniyle gemi izleme için kullanılmaktadır. Bu çalışma, nesnelerin insan tarafından tespiti, sayımı ve takibi süreçlerinin bilgisayarlı görme ve makine öğrenmesi yöntemleri ile gerçekleştirilmesinin önemini vurgulamaktadır. Bu çalışmada, YOLO mimarileri, gemi tespiti ve sınıflandırmasının hızlı ve doğru bir şekilde yapılabilmesi için kullanılan bir teknoloji olarak ele alınmaktadır. YOLOv8 ve YOLOv9 mimarileri ile uzaktan algılama kullanılarak gemi tespiti çalışmaları gerçekleştirilmiştir. Gemi tespiti için 1658 görüntüden oluşan \\\"Ships in Google Earth\\\" adlı veri seti kullanılarak YOLOv8 ve YOLOv9 mimarilerinin performansını karşılaştırmaktadır. Eğitim ve doğrulama kayıpları, kesinlik, duyarlılık ve ortalama hassasiyet kriterleri açısından değerlendirilen modeller, eğitim sürecinde belirli bir başarı ve öğrenme hızı sergilemiştir. Her iki modelin de gemi tespitinde etkili çözümler sunduğu görülmüştür. Ancak, YOLOv9 modeli, özellikle başlangıçta daha hızlı yakınsama ve genel tespit performansında üstünlük sağlamıştır.
Keywords : Evrişimsel sinir ağı, derin öğrenme, gemi tespiti, yolov8, yolov9