@article{article_1439897, title={MASK R-CNN İLE UYDU GÖRÜNTÜLERİNDE GEMİ TESPİTİ}, journal={GSI Journals Serie C: Advancements in Information Sciences and Technologies}, volume={7}, pages={40–50}, year={2024}, author={Öçer, Nuri Erkin and Avdan, Uğur}, keywords={Deep Learning, Mask R-CNN, Satellite Images, Ship Detection}, abstract={Derin öğrenme alanında son yıllarda gerçekleşen atılımın katkısıyla uzaktan algılama görüntülerinde gemi tespiti konusunda önemli ilerlemeler kaydedilmiştir. Özellikle, nesne tespiti ve sınıflandırması için geliştirilen yaklaşımlardan olan konvolüsyonel sinir ağları (CNN) gemi tespiti için de başarılı ve yaygın bir şekilde kullanılır hale gelmiştir. Bunun yanında, uydu görüntülerinin niteliklerinin gelişmesi bu verilerden gemilerin ve hatta daha küçük nesnelerin algılanıp ayırt edilebilmesinin önünü açmıştır. Bu çalışmada, optik uydu görüntülerindeki gemileri tespit etmek üzere bölge-tabanlı konvolüsyonel sinir ağı modellerinden biri olan Mask R-CNN yöntemi kullanılmıştır. Çalışmadaki temel amaç, kullanılan modelin uydu görüntülerindeki gemi tespit performansını ve sınırlarını incelemektir. Bunun için, gemilerin yoğun olarak bulunduğu alanların 1 metre mekânsal çözünürlüğe sahip 1838 adet uydu görüntüsü indirilmiş ve içerikteki gemiler bir GIS yazılımı aracılığıyla maskelerle etiketlenerek veri setleri oluşturulmuştur. Elde edilen sonuçlar, önerilen yöntemin zorlu içeriklerde bile gemileri başarıyla tespit etme kabiliyetinde olduğunu fakat mevcut haliyle modelde bazı kısıtlamalar bulunduğunu göstermiştir. Model özellikle birbirine yakın konumlanmış gemilerin tespitinde yanılgıya düşmektedir.}, number={1}, publisher={Hilmi Rafet YÜNCÜ}, organization={Eskişehir Teknik Üniversitesi BAP Commission}