MEKANSAL PİRAMİT HAVUZLAMA TABANLI EVRİŞİMLİ SİNİR AĞI İLE OTOMATİK DRONE SINIFLANDIRMA

Authors : Deniz KORKMAZ, Hakan AÇIKGÖZ

Pages : 329-340

Doi:10.17780/ksujes.1113669

View : 20 | Download : 12

Publication Date : 2022-09-03

Article Type : Research Paper

Abstract :Hava sahalarının önemli olduğu bölgelerde dronları tespit etmek zorlu bir konu haline gelmiştir. Bu araçların kontrolsüz uçuşları ve konuşlanmaları da istenmeyen bölgelerde çeşitli güvenlik sorunlarına sebep olur. Bu çalışmada, dronları kuşlardan ayırarak etkili bir şekilde sınıflandırabilmek için bir evrişimli sinir ağı (ESA) modeli önerilmiştir. Önerilen model, ön eğitimli AlexNet ile mekansal piramit havuzlama (MPH) yapısı kullanılarak tasarlanmıştır. Böylece, ağın evrişimsel katmanlarından gelen yerel öznitelikler birleştirerek ağın nesne özelliklerini daha kapsamlı bir şekilde öğrenmesi sağlanmış ve önerilen modelin sınıflandırma performansı artırılmıştır. Ayrıca, eğitim görüntülerinde çevrimdışı veri artırma tekniği uygulanarak örnek sayısı artırılmıştır. Önerilen yöntemin performansı AlexNet, ShuffleNet, GoogLeNet ve DarkNet gibi sıklıkla kullanılan ön eğitimli ESA mimarileri ile karşılaştırılmıştır. Gerçekleştirilen deneysel çalışmalarda önerilen yöntemin doğruluk, kesinlik, duyarlılık, özgüllük ve F1-skor değerleri sırasıyla %98.89, %97.83, %100, %97.78 ve %98.90 olarak elde edilmiştir. Çalışmada elde edilen tüm sonuçlar incelendiğinde, önerilen yöntemin farklı ortamlara ait drone görüntülerini kuşlardan ayırarak başarımı yüksek bir şekilde sınıflayabildiğini ortaya koymaktadır.
Keywords : Drone sınıflandırma, evrişimli sinir ağları, mekansal piramit hazulama, derin öğrenme