A Novel Approach and Application of Time Series to Image Transformation Methods on Classification of Underwater Objects

Authors : Aybüke CIVRIZOGLU BUZ, Mustafa Umut DEMİREZEN, Uraz YAVANOĞLU

Pages : 1-11

View : 18 | Download : 14

Publication Date : 2021-04-30

Article Type : Conference Paper

Abstract :Sonar, ses dalgalarını kullanarak boyutu, uzaklığı, yönü ve diğer nesne özelliklerini belirlemek için kullanılır. Denizaltı madenciliği, petrol arama, denizaltı haritalama, balık sürülerinin takibi ve mayın tespitinde yaygın olarak kullanılmaktadır. Makine Öğrenimi araştırmasında, sonar sinyallerini tanımlamak ve sınıflandırmak için kullanılması gereken özellik çıkarma, seçme, algoritma seçimi ve hiper parametre optimizasyonu, uzun yıllardır çalışılan bilimsel problemler olarak görülmektedir. Bu çalışmada, yaygın olarak kullanılan makine öğrenimi algoritmaları ve öznitelik çıkarma süreçleri yerine, su altı nesnelerini yenilikçi bir yaklaşım olarak sınıflandırmak için üç farklı matematiksel dönüşüm önerilmiştir. Zaman serisi formatında bir veri setine uygulanan bu yeni yaklaşım, veriler tek boyutlu verilerden iki boyutlu bir formata dönüştürülmüş ve bu görüntüleri birleştiren yeni bir görüntü oluşturmak için basit bir kanal birleştirme tekniği uygulanmıştır. Yöntemlerin performansı, sonar veri setinde derin öğrenme algoritmaları kullanılarak mayın ve kayaların sınıflandırma sonuçlarıyla ölçülmüştür. Ayrıca klasik algoritmalar ile ve derin öğrenme ile elde edilen performans sonuçları karşılaştırılmıştır. Son olarak, literatürdeki diğer çalışmalarla karşılaşıldığında, önerilen zaman serisi verilerinden görüntüye dönüşümün kanal birleştirme yaklaşımı ile öznitelik çıkarma ihtiyacını ortadan kaldırdığı ve diğerlerine göre üstün sonuçlar elde ettiği görülmüştür.
Keywords : MTF, RP, GAF, Sonar, Derin Öğrenme