Basit öğe kaydını göster

dc.contributor.authorSüberk, Nilay Tuğçe
dc.contributor.authorAteş, Hasan Fehmi
dc.date.accessioned2020-03-06T08:06:06Z
dc.date.available2020-03-06T08:06:06Z
dc.date.issued2019en_US
dc.identifier.citationSüberk, N. T. ve Ateş, H. F. (2019). Uzaktan algılanan görüntülerde bina yoğunluğu kestirimi için derin öğrenme. 4th International Conference on Computer Science and Engineering içinde (423-428. ss.). Samsun, Turkey: IEEE. http://doi.org/10.1109/UBMK.2019.8907133en_US
dc.identifier.isbn9781728139647
dc.identifier.urihttp://doi.org/10.1109/UBMK.2019.8907133
dc.identifier.urihttps://hdl.handle.net/20.500.12511/5007
dc.description.abstractBu bildiri, derin öğrenme yöntemleri uygulayarak uzaktan algılamalı optik görüntülerde bina yoğunluğunun noktasal olarak kestirilmesi ile ilgilidir. Bu çalışma kapsamında, evrişimsel sinir ağına (ESA) dayalı derin öğrenme yöntemlerine başvurulmuştur. Önceden eğitilmiş, VGG-16 ve FCN-8s derin mimarileri bu probleme uyarlanmış ve ince ayara verilerek eğitilmiştir. Kestirilen değerler yerleşim bölgelerinde bina yoğunluk haritası oluşturmak için kullanılmıştır. Her iki mimarinin karşılaştırılması benzetim sonuçları, güdümlü eğitim için binaları gösteren detaylı haritalara ihtiyaç duyulmadan hassas yoğunluk kestirimi yapılabileceği göstermektedir.en_US
dc.description.abstractThis paper is about point-wise estimation of building density from remote sensing optical imagery using deep learning methods. Convolutional neural network (CNN) based deep learning approaches are used for this work. Pre-trained VGG-16 and FCN-8s deep architectures are adapted to the problem and fine-tuned with additional training. Estimated values are used to generate building heat maps in urban areas. Comparative simulation results of the two architectures reveal that accurate density estimation is possible without the need for detailed maps of building locations during supervised training.en_US
dc.language.isoturen_US
dc.publisherInstitute of Electrical and Electronics Engineers Inc.en_US
dc.rightsinfo:eu-repo/semantics/embargoedAccessen_US
dc.subjectUzaktan Algılamaen_US
dc.subjectDerin Öğrenmeen_US
dc.subjectBina Yoğunluk Kestirimien_US
dc.subjectBuilding Density Estimationen_US
dc.subjectDeep Learningen_US
dc.subjectRemote Sensingen_US
dc.titleUzaktan algılanan görüntülerde bina yoğunluğu kestirimi için derin öğrenmeen_US
dc.title.alternativeDeep learning for building density estimation in remotely sensed imageryen_US
dc.typeconferenceObjecten_US
dc.relation.ispartof4th International Conference on Computer Science and Engineeringen_US
dc.departmentİstanbul Medipol Üniversitesi, Mühendislik ve Doğa Bilimleri Fakültesi, Bilgisayar Mühendisliği Bölümüen_US
dc.authorid0000-0002-6842-1528en_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.identifier.doi10.1109/UBMK.2019.8907133en_US


Bu öğenin dosyaları:

Thumbnail

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster