@article{article_1300939, title={Göktürk-1 Uydu Görüntülerinden U-Net Modeli Kullanılarak Binaların Segmentasyonu}, journal={Turkish Journal of Remote Sensing}, volume={5}, pages={50–58}, year={2023}, DOI={10.51489/tuzal.1300939}, author={Arıkan, Duygu and Yıldız, Ferruh}, keywords={Deep Learning, U-Net Model, Gokturk-1 Satellite Image, Building Detection}, abstract={Nüfus artışı, kentsel bölgelerde plansız yapılaşmanın ortaya çıkmasına yol açmaktadır. Bu durum dünya genelinde bir sorun haline gelmiştir. Bu alanların belirlenmesi ve tespit edilmesi, kentsel yönetim ve yeniden yapılanma planlaması için büyük öneme sahiptir. Ancak bu işlemler, arazide maliyetli ve zaman alıcı olabilmektedir. Uzaktan algılama görüntüleri kullanarak kentsel ve kırsal bölgelerde plansız yapılan binaları otomatik olarak tespit etmek ve karakterize etmek oldukça zordur. Son zamanlarda, derin öğrenme yöntemleri sayesinde karmaşık binaların tespiti mümkün hale gelmiştir. Bu çalışmada, Ankara’nın Etimesgut ilçesinden bir bölgenin bina çıkarımı işlemi, U-Net derin öğrenme mimarisi kullanılarak gerçekleştirilmiştir. İşlem için Inria Aerial Image Labeling adlı hazır bir veri seti kullanılmıştır. Eğitim işlemi için farklı sayıda görüntü (500, 1000, 2500, 5000) seçilmiştir. En iyi öğrenme sonucu, 0.5 m uzamsal çözünürlüğe sahip Göktürk-1 uydu görüntüleriyle test edilmiştir. Sonuçlara göre, U-Net modelinin bina segmentasyonunda Jaccard katsayısı 0.862, Dice benzerlik oranı 0.813 olarak bulunmuştur. Hazır veri seti kullanılarak U-Net modelinin derin öğrenme yöntemleri için kullanılabilir olduğu kanıtlanmıştır. Bu çalışma, kentsel alanlardaki binaların tespiti ve haritalanmasında derin öğrenme yöntemlerinin etkinliğini ve potansiyelini göstermiştir.}, number={1}, publisher={Osman ORHAN}