Yere Nüfuz Eden Radar B Tarama Görüntülerinin Az Parametreye Sahip Konvolüsyonel Sinir Ağı İle Değerlendirilmesi

Umut Özkaya; Levent Seyfi

doi:10.29128/geomatik.703218

Yere Nüfuz Eden Radar B Tarama Görüntülerinin Az Parametreye Sahip Konvolüsyonel Sinir Ağı İle Değerlendirilmesi

Öz

Bu çalışmada, Yere Nüfuz eden Radar (YNR) B tarama görüntülerinin analizi için az parametre sayısına sahip K-En Yakın Komşuluk (K-EYK) algoritma tabanlı bir Konvolüsyonel Sinir Ağı (KSA) yapısı önerilmiştir. Önerilen KSA yapısı içerisinde farklı filtre boyutuna ve sayına sahip beşer adet konvolüsyon katmanı bulunmaktadır. Aynı zamanda blok adı verilen yapı ile önerilen KSA modelinin yapısı daha da görselleştirilmiştir. Karşılaştırmalı analiz çerçevesinde önerilen KSA modeli ön eğitimli KSA modelleri ile beraber değerlendirilmiştir. Analiz metrikleri olarak doğruluk, keskinlik, duyarlılık ve F1 skoru kullanılmıştır. Önerilen KSA yapısı, YNR cihazı tespitinde %97.16 doğruluk, %97.31 keskinlik, %97.04 duyarlılık ve %97.18 F1 skoru; tarama frekansı tespitinde %94.88 doğruluk, %95.02 keskinlik, %95.49 duyarlılık ve %95.24 F1 skoru; toprak çeşidi tespitinde %90.63 doğruluk, %90.50 keskinlik, %90.83 duyarlılık ve %90.66 F1 skoru metrik değerlerine sahiptir. Önerilen KSA yapısı YNR cihaz tespiti ve tarama frekansı tespitinde en yüksek performansı gösterirken toprak çeşidi tespitinde ön eğitimli KSA yapıları ile beraber en yüksek üçüncü performansı sergilemiştir. Karşılaştırmalı analizler önerilen KSA yapısının düşük parametre sayısı ile yüksek sınıflama yüzdesi elde ettiğini göstermiştir.

Anahtar Kelimeler

Yere Nüfuz Eden Radar

Kaynakça

Benedetto A. ve Benedetto F. (2011). Remote Sensing of Soil Moisture Content by GPR Signal Processing in the Frequency Domain. IEEE Sensors Journal, 11 (10), 2432–2441.
Cover T. M. ve Hart P. E., (1967). Nearest neighbor pattern classification. IEEE Trans Inf Theory. 13(1), 21–7.
El-Mahallawy M. S. ve Hashim M. (2013). Material Classification of Underground Utilities From GPR Images Using DCT-Based SVM Approach. IEEE Geoscience and Remote Sensing Letters, 10 (6), 1542–1546.
Frigui H., Ho K. C. ve Gader P. (2005). Real-time Landmine Detection with Ground-penetrating Radar Using Discriminative and Adaptive Hidden Markov Models. EURASIP J. Adv. Signal Process, 1867–1885.
Gader P. D., Mystkowski M. ve Zhao Y. (2001). Landmine detection with ground penetrating radar using hidden Markov models. IEEE Transactions on Geoscience and Remote Sensing, 39 (6), 1231–1244.
Gader P., Lee W. H. ve Wilson J. N. (2004). Detecting landmines with ground-penetrating radar using feature-based rules, order statistics, and adaptive whitening. IEEE Transactions on Geoscience and Remote Sensing, 42 (11), 2522–2534.
Hinton G. E., (2007). Learning multiple layers of representation. Trends Cogn. Sci., 11 (10), 428–434.
Kovalenko V., Yarovoy A. G. ve Ligthart L. P. (2007). A Novel Clutter Suppression Algorithm for Landmine Detection With GPR. IEEE Transactions on Geoscience and Remote Sensing, 45 (11), 3740–3751.

Krizhevsky A., Sutskever I. ve Hinton G. E. (2012). ImageNet Classification with Deep Convolutional Neural Networks. Advances in Neural Information Processing Systems 25, 1097–1105.
Manandhar A., Torrione P. A., Collins L. M. ve Morton K. D. (2015). Multiple-Instance Hidden Markov Model for GPR-Based Landmine Detection. IEEE Transactions on Geoscience and Remote Sensing, 53 (4), 1737–1745.
Öztürk, Ş., ve Akdemir, B. (2019). Cell‐type based semantic segmentation of histopathological images using deep convolutional neural networks. International Journal of Imaging Systems and Technology, 29(3), 234-246.
Öztürk, Ş., ve Akdemir, B. (2019). HIC-net: A deep convolutional neural network model for classification of histopathological breast images. Computers & Electrical Engineering, 76, 299-310.
Pasolli E., Melgani F. ve Donelli M. (2009). Automatic Analysis of GPR Images: A Pattern-Recognition Approach. IEEE Transactions on Geoscience and Remote Sensing, 47 (7), 2206–2217.
Ruuska S., Hämäläinen W., Kajava S., Mughal M., Matilainen P. ve Mononen J. (2018). Evaluation of the confusion matrix method in the validation of an automated system for measuring feeding behaviour of cattle. Behavioural processes. 148, 56-62.
Shihab S. ve Al-Nuaimy W. (2005). Radius Estimation for Cylindrical Objects Detected by Ground Penetrating Radar. Subsurf Sens Technol Appl., 6 (2), 151–166.
Singh N. P. ve Nene M. J. (2013). Buried object detection and analysis of GPR images: Using neural network and curve fitting. 2013 Annual International Conference on Emerging Research Areas and 2013 International Conference on Microelectronics, Communications and Renewable Energy, 1–6.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Mühendislik

Bölüm

Araştırma Makalesi

Yazarlar

Umut Özkaya ^*
0000-0002-9244-0024
Türkiye

Levent Seyfi
0000-0002-8698-5140
Türkiye

Yayımlanma Tarihi

1 Ağustos 2021

Gönderilme Tarihi

13 Mart 2020

Kabul Tarihi

24 Nisan 2020

Yayımlandığı Sayı

Yıl 2021 Cilt: 6 Sayı: 2

DOI

https://doi.org/10.29128/geomatik.703218

IZ

https://izlik.org/JA77FE29KD

Kaynak Göster

RIS / Bibtex

APA

Özkaya, U., & Seyfi, L. (2021). Yere Nüfuz Eden Radar B Tarama Görüntülerinin Az Parametreye Sahip Konvolüsyonel Sinir Ağı İle Değerlendirilmesi. Geomatik, 6(2), 84-92. https://doi.org/10.29128/geomatik.703218

AMA

1.Özkaya U, Seyfi L. Yere Nüfuz Eden Radar B Tarama Görüntülerinin Az Parametreye Sahip Konvolüsyonel Sinir Ağı İle Değerlendirilmesi. Geomatik. 2021;6(2):84-92. doi:10.29128/geomatik.703218

Chicago

Özkaya, Umut, ve Levent Seyfi. 2021. “Yere Nüfuz Eden Radar B Tarama Görüntülerinin Az Parametreye Sahip Konvolüsyonel Sinir Ağı İle Değerlendirilmesi”. Geomatik 6 (2): 84-92. https://doi.org/10.29128/geomatik.703218.

EndNote

Özkaya U, Seyfi L (01 Ağustos 2021) Yere Nüfuz Eden Radar B Tarama Görüntülerinin Az Parametreye Sahip Konvolüsyonel Sinir Ağı İle Değerlendirilmesi. Geomatik 6 2 84–92.

IEEE

[1]U. Özkaya ve L. Seyfi, “Yere Nüfuz Eden Radar B Tarama Görüntülerinin Az Parametreye Sahip Konvolüsyonel Sinir Ağı İle Değerlendirilmesi”, Geomatik, c. 6, sy 2, ss. 84–92, Ağu. 2021, doi: 10.29128/geomatik.703218.

ISNAD

Özkaya, Umut - Seyfi, Levent. “Yere Nüfuz Eden Radar B Tarama Görüntülerinin Az Parametreye Sahip Konvolüsyonel Sinir Ağı İle Değerlendirilmesi”. Geomatik 6/2 (01 Ağustos 2021): 84-92. https://doi.org/10.29128/geomatik.703218.

JAMA

1.Özkaya U, Seyfi L. Yere Nüfuz Eden Radar B Tarama Görüntülerinin Az Parametreye Sahip Konvolüsyonel Sinir Ağı İle Değerlendirilmesi. Geomatik. 2021;6:84–92.

MLA

Özkaya, Umut, ve Levent Seyfi. “Yere Nüfuz Eden Radar B Tarama Görüntülerinin Az Parametreye Sahip Konvolüsyonel Sinir Ağı İle Değerlendirilmesi”. Geomatik, c. 6, sy 2, Ağustos 2021, ss. 84-92, doi:10.29128/geomatik.703218.

Vancouver

1.Umut Özkaya, Levent Seyfi. Yere Nüfuz Eden Radar B Tarama Görüntülerinin Az Parametreye Sahip Konvolüsyonel Sinir Ağı İle Değerlendirilmesi. Geomatik. 01 Ağustos 2021;6(2):84-92. doi:10.29128/geomatik.703218

Cited By

İş Tatmini Faktörlerini Belirlemeye Ve Analiz Etmeye Yönelik Olarak Çalışanların Çevrimiçi Değerlendirmelerinin Sınıflandırıcı Topluluklarına Dayalı Analizi

European Journal of Science and Technology

https://doi.org/10.31590/ejosat.1008691

Classification of environmental sounds with deep learning

Advances in Artificial Intelligence Research

https://doi.org/10.54569/aair.1017801

Makine Öğrenmesi ile Hedefe Yönelik Nanoterapötiklerin Üretim Parametrelerinin Optimizasyonu

European Journal of Science and Technology

https://doi.org/10.31590/ejosat.1084311