Akademik Veri Yönetim Sistemi
Türkiye Ulusal Fotogrametri ve Uzaktan Algılama Birliği (TUFUAB) XII. Teknik Sempozyumu, Sivas, Türkiye, 24 - 26 Mayıs 2023, ss.16
Derin öğrenme, doğru tahminler yapmak için veriler içindeki karmaşık doğrusal
olmayan ilişkilerden yararlanan veri odaklı bir yaklaşımdır. Geleneksel yöntemlerin
aksine, önceden programlanmış kurallar olmaksızın doğrudan verilerden öğrenir ve
karar vermek için öğrenilmiş özellik temsillerini kullanır. Bu nedenle, derin öğrenmenin
başarısı büyük ölçüde eğitim için kullanılacak mevcut verilerin kalitesine, miktarına ve
çeşitliliğine bağlıdır. El yazısı sınıflandırması veya trafik işaretlerinin bölütlemesi gibi
çalışmalarda çeşitli veri setleri mevcut olsa da, özellikle coğrafi nesnelere odaklanan veri
setleri eksikliği vardır. Coğrafi objelerin manuel olarak maskelenmesini içeren
geleneksel yöntemlerle bu tür veri setlerini oluşturmak zaman alıcıdır ve hatalara açıktır,
bu da derin öğrenme için gereken büyük ve çeşitli veri kümelerini oluşturmayı
zorlaştırır. Ayrıca, mevcut veri setlerinin kullanılmasında da, bir bölgedeki veri setleri
üzerinde eğitilen modellerin, farklı özelliklere sahip başka bir bölgedeki coğrafi
detayların tahmin edebilmesinde iyi performans göstermemesi gibi sorunlar
oluşmaktadır. Bu sorunların üstesinden gelebilmek için, bu çalışmada derin öğrenme
yöntemleri ile yol ağının bölütlenmesi için ihtiyaç duyulan veri setlerinin üretilebilmesi
amacıyla bulut tabanlı haritalama hizmetlerinden yararlanılmıştır. Uydu görüntülerini
ve ilgili yol maskelerini otomatik olarak oluşturmak için Google harita hizmetleri
tarafından sunulan statik API'leri kullanan Python tabanlı bir program geliştirilmiştir.
Harita servisleri coğrafi detayları yakınlaştırma seviyesi ile sınırlandırılmaktadır. Bu
programda, hedeflenen görüntü çözünürlüğüne uygun yakınlaştırma seviyeleri
belirlenebilmektedir. Program, kullanıcı tarafından önceden belirlenen sınırlar
içeresinde kalan bölgelerde rastgele veya ardışık sabit boyutlarda görüntü üretimini
gerçekleştirebilmektedir. Ayrıca, derin öğrenme çalışmalarında yayınlanan veri setleri
konumdan bağımsız görüntü formatlarındadır. Görüntülerinin jeo-referanslandırılması
sağlayarak üretilen veri setlerinin coğrafi bilgi sistemlerine aktarılmasına olanak
tanımaktadır. Sonuç olarak geliştirilen program, geleneksel veri oluşturma
yöntemlerinin sınırlamalarını aşarak büyük ve çeşitli veri kümelerinin oluşturulmasına
ve yol bölütlemesi çalışmalarında farklı kaynaklardan elde edilen coğrafi veriler ile
birlikte kullanımını kolaylaştırarak veri entegrasyonu çalışmalarına altlık
oluşturmaktadır.