Derin Öğrenmenin Temel Prensipleri ve Uzaktan Algılama Alanındaki Uygulamaları

Abstract

Günümüzde, derin öğrenme mimarilerinin uzaktanalgılama uygulamalarında kullanımı her geçen gündaha yaygın hale gelmektedir. Geleneksel yöntemlerlekarşılaştırıldığında, uzaktan algılanmış verilerinişlenmesinde derin öğrenme modellerinin daha başarılısonuçlar ürettiği görülmektedir. Bu modeller, bilgisayardonanımlarının gelişimine paralel olarak özelliklegörüntü işleme alanında sıklıkla tercih edilmektedir.Derin öğrenme yaklaşımının uygulanması esnasındainsan müdahalesinin minimum seviyede olması, nesnetespiti ve sınıflandırma gibi karmaşık problemleriçözebilmesi ve yüksek çözünürlüklü uydu görüntülerininişlenmesindeki etkinliği gibi önemli avantajlarıbulunmaktadır. Ancak, derin öğrenme modellerinineğitimi için etiketlenmiş büyük veri seti ihtiyacı iseönemli bir problem olarak karşımıza çıkmaktadır. Buveri setlerinin yüksek doğrulukla oluşturulabilmesizaman ve iş yükü gerektirmektedir. Bu çalışmada, birderin öğrenme modeli olan evrişimsel sinir ağımimarisine ait evrişim, ortaklama, düzleştirme veseyreltme katmanları ayrıntılı bir şekilde açıklanmıştır.Ayrıca, derin öğrenme mimarisini etkileyen hareketegeçirme ve maliyet fonksiyonlarının çalışma prensipleridetaylı şekilde sunulmuştur. Ayrıca, uzaktan algılamadaderin öğrenme mimarilerinin kullanımı; önişleme,görüntü sınıflandırma, nesne tespiti, görüntüyorumlama ve diğer uygulama alanları başlıkları altındairdelenmiştir. Sonuç olarak, derin öğrenmenin günceluzaktan algılama literatüründeki yeri ve önemi ortayakoyularak güncel literatür özeti de sunulmuştur.