@article{article_1006408, title={Otonom Sistemlerde Veri Çoğaltma Yöntemleri Kullanılarak İyileştirilmiş Gerçek Zamanlı Nesne Tespiti}, journal={Avrupa Bilim ve Teknoloji Dergisi}, pages={83–87}, year={2021}, DOI={10.31590/ejosat.1006408}, author={Bozkaya, Fırat and Yusefı, Abdullah and Tığlıoğlu, Şükrücan and Kaya, Ahmet Kağan and Kazancı, Okan and Akmaz, Mustafa Yasin and Durdu, Akif and Sungur, Cemil}, keywords={Veri Çoğaltma, Nesne Tanıma, YOLOv4, Görüntü İşleme, İnsansız Hava Araçları}, abstract={İnsan müdahalesi olmadan çalışan sistemler savunma sanayi başta olmak üzere pek çok alanda gün geçtikte önemi ve kullanımı artmaktadır. Bu sistemlerde insan faktörü azaltılarak maliyet ve zamandan kazanç sağlansa da görüntü işleyerek çalışan sistemlerde doğruluk oranının yüksek olmaması durumunda yeni problemler ortaya çıkmaktadır. İnsan müdahalesi olmadan çalışan kara araçları için levha tespitindeki hatalı tespit problemleri, hava araçlarında ise iniş noktasının doğru tespit edilememesi gibi problemlerdir. Bu çalışmada hava aracından çekilmiş görüntüler kullanılmıştır. Bu görüntüler üzerinde çeşitli veri çoğaltma yöntemleri kullanılarak nesne tespit oranının arttırılmasıyla tespit problemlerinin giderilmesi üzerine çalışılmıştır. Veri çoğaltma yöntemlerinde Gaussian, karlanma, gölgelendirme, yüksek gama, Kontrast Sınırlı Uyarlanabilir Histogram Eşitleme (CLAHE), arttırılmış parlaklık, azaltılmış parlaklık yöntemleri uygulanarak veri çoğaltma işlemi yapılmış olup nesne tespitinde kullanılacak olan model eğitimi YOLOv4 algoritmasıyla gerçekleştirilmiştir. Sonuçlar gözlemlendiğinde 8000 tekrar sonrasında başarı oranının %94’e kadar çıktığı ve kayıp (loss) değerinin 0.42 sonucunu verdiği gözlemlenmiştir. Eğitilen model simülasyon ortamına gerek duyulmadan gerçek araçta denenmiştir.}, number={30}, publisher={Osman SAĞDIÇ}, organization={Konya Teknik Üniversitesi}