Termal Kamera Görüntülerinin Çoklu Sınıflandırılması için Derin Öğrenme Tabanlı Tekniklerin Performans Karşılaştırılması

Authors : Merve Kesim Önal, Halil Uslu, Engin Avcı, Derya Avcı

Pages : 60-71

Doi:10.54365/adyumbd.1521453

View : 65 | Download : 47

Publication Date : 2025-04-30

Article Type : Research Paper

Abstract :Termal kameralar, cisimlerin sıcaklık farklılıklarını kızılötesi ışın değerlerine bağlı olarak renklendirdiği görüntüleme sistemleridir. Günümüzde başta savunma sanayi olmak üzere sağlık, ziraat, inşaat gibi birçok farklı alanda termal kameralar kullanılmaktadır. Özellikle savunma sanayi alanında kullanılan bu kameralardan elde edilen görüntüler, çeşitli nesnelerin ve canlıların tespiti için büyük önem arz etmektedir. Bu çalışmada termal kamera görüntülerinin sınıflandırması için derin öğrenme tabanlı tekniklerin kapsamlı bir karşılaştırması sunulmaktadır. Çalışmada 7 farklı Evrişimli Sinir Ağları mimarisi ile görüntülerin özellikleri çıkarılmış, 5 farklı sınıflandırma yöntemi ile sınıflandırılması sağlanmıştır. Performans değerlendirmesi için dengesiz çok sınıflı veri kümelerinin sınıflandırılmasına uygun metrikler olan dengeli doğruluk, makro ve mikro ortalama duyarlılık, makro ve mikro ortalama kesinlik, makro ve mikro ortalama F ölçütü metrik değerleri kullanılmıştır. Ayrıca tüm yapıların ayrı ayrı eğitim ve test süreleri karşılaştırılmıştır. Çalışmada en yüksek doğruluk değeri %95.24 ile Resnet101+Softmax ve Resnet50+DVM mimarilerinde elde edilmiştir. Sınıfların eşit ağırlıklı alındığı dengeli doğruluk değerinde ise en yüksek %95,17 ile Resnet101+Softmax mimarisinden elde edilmiştir. Resnet101+Softmax mimarisinde makro ortalamalı kesinlik 0.9579, makro ortalamalı F ölçütü 0.9543 ve mikro ortalamalı F ölçütü 0.9524 değerleri elde edilmiştir. Bu çalışma, küçük ve dengesiz termal görüntüler üzerinde, önceden eğitilmiş ESA ağlarının özellik çıkarımı ile makine öğrenimi sınıflandırıcılarının kullanımının, tamamen eğitilmiş ağlarla elde edilen performansa benzer sonuçlar sağlanabileceğini göstermiştir
Keywords : Termal Görüntü, Derin Öğrenme, Çok Sınıflı Sınıflandırma