Büyüktolluoğlu, Hadiye

Profile URL:
Job Title:Arş. Gör. Uzm.
Email Address:hbuyuktolluoglu@ktun.edu.tr
Main Affiliation:10.02. Department of Software Engineering
Status: Current Staff
Website: https://www.ktun.edu.tr/tr/Universite/PersonelBilgi/?prsnl=Oh911+4B6aRgvoS2hRW7JdxFXKTKrfBp+S7H/z4J1K/EB7pAgDWZjuDTu99iSwez3NsZ4m00yiJtBttkXDZFODSXsj5p2IhhnOaVhzVCFoE=
ORCID:ORCID Profile0009-0008-2586-9307
YÖK Akademik: BC392E2A06780667
Name Variants:
Büyüktolluoğlu, H. B., Hadiye
Full item page

Filters

20261

Settings

Author of Publication: search.filters.isAuthorOfPublication.bdc97c1e-1d40-46c5-b861-88cc2b6d37b2

Scholarly Output Search Results

Now showing 1 - 1 of 1
  • Master Thesis
    Derin Öğrenme Modelleri Kullanarak Uzaktan Algılama Görüntülerinde Değişimlerin Tespit Edilmesi
    (2026) Büyüktolluoğlu, Hadiye; Babalik, Ahmet
    Günümüzde bilişim teknolojisindeki gelişmeler ve artan veri hacminin de etkisiyle birçok operasyon bilişim sistemleri tarafından otomatik olarak gerçekleştirilmektedir. Yapay zekâ alanındaki gelişmeler veri analizinde yapay zekâ tekniklerinin etkin olarak kullanılmasına imkân sağlamaktadır. Uzaktan algılamada değişim tespiti de özellikle son yıllarda derin öğrenme yöntemleriyle sunulan çözümlerin artmakta olduğu bir alandır. Sunulan yöntemler, dünya yüzeyinin izlenmesi, afet sonrası hasar tespiti gibi amaçlarla kullanılabilmektedir. Uzaktan algılamada değişim tespitinde yeryüzüne ait çeşitli sensörler yardımıyla elde edilen iki zamanlı görüntülerin karşılaştırılmasıyla değişim olan bölgelerin tespit edilmesi amaçlanmaktadır. Sınıf sayısına göre değişim tespiti; ikili değişim tespiti ve anlamsal değişim tespiti olarak ikiye ayrılmaktadır. Yalnızca değişim varlığının tespit edildiği ikili değişim tespiti çalışmalarında bina, yol gibi tek bir nesne sınıfını tespit etmenin yanında genel değişimler de belirlenmektedir. Anlamsal değişim tespitinde ise değişim varlığıyla beraber değişimin türü de belirlenmektedir. Bu tez çalışmasında uzaktan algılamada değişim tespiti için ikili değişim tespiti gerçekleştirilmiştir. Literatürde var alan EGDENet derin öğrenme modelinin omurga ağı, resim özelliklerinin daha etkin elde edilmesi amacıyla iteratif VGG16 ağı ile değiştirilmiştir. Ayrıca omurga ağında füzyon mekanizması değiştirilerek modelin tespit başarısının arttırılması amaçlanmıştır. Bununla beraber son katmanların çıktıları kanal boyutunda birleştirilerek ana tahminin oluşturulması sağlanmıştır. Modelin genel başarısını arttırmak için, modelin eğitim aşamasında derin denetim yöntemi kullanılarak kayıp fonksiyonun hesaplanmasında kullanılan yardımcı çıktılar üretilmiştir. Yapılan deneyler sonucunda önerilen yöntem ile LEVIR-CD veri setinde %92,07 F1 skoru ve %85,30 IoU değeri, CDD veri setinde ise %97,51 F1 skoru ve %95,14 IoU değeri elde edilmiştir.
No research topics data found.

Sustainable Development Goals

SDG data is not available
This researcher does not have a Scopus ID.
This researcher does not have a WoS ID.
No records found in other affiliations.
Journals data is not available
Scholarly Output

1

Articles

0

Views / Downloads

0/0

Supervised MSc Theses

1

Supervised PhD Theses

0

WoS Citation Count

0

Scopus Citation Count

0

Patents

0

Projects

0

WoS Citations per Publication

0.00

Scopus Citations per Publication

0.00

Open Access Source

0

Supervised Theses

1

Scopus Quartile Distribution

Quartile distribution chart data is not available

Competency Cloud

GCRIS Competency Cloud