Uydu Görüntülerinde Askerî Uçak Tiplerinin Derin Öğrenme Temelli Sınıflandırılması

Abstract

Uydu görüntülerinde askerî uçakların otomatik olarak sınıflandırılması; hedeflerin düşük piksel alanına sahip olması, görüntü çözünürlüğü ve aydınlatma koşullarındaki değişkenlik, arka plan karmaşıklığı ve sınıflar arasındaki yüksek görsel benzerlik nedeniyle hata riskine açık bir problemdir. Bu çalışmada, sınıflandırma kararını güçlendirmek amacıyla çoklu özellik çıkarımı ile dikkat temelli odaklanmayı bütünleştiren bir derin öğrenme yaklaşımı önerilmektedir. Önerilen mimari, farklı temsil yeteneklerine sahip iki evrişimsel omurgadan paralel olarak elde edilen özellikleri bir araya getirmekte ve kanal ile uzamsal dikkat mekanizmaları aracılığıyla ayırt edici bölgelerin etkisini artırmaktadır. Model, transfer öğrenme yaklaşımıyla eğitilerek sınırlı örnek sayısının yol açabileceği aşırı uyum riskini azaltmayı hedeflemektedir. Yöntem, 20 uçak sınıfını içeren MTARSI veri kümesi üzerinde değerlendirilmiştir. Deneysel bulgular, önerilen yaklaşımın test kümesinde %99,79 doğruluk değerine ulaştığını; ayrıca kesinlik, duyarlılık ve F1-skoru metriklerinde de aynı düzeyde tutarlı performans sergilediğini göstermektedir. Karışıklık matrisi analizi, özellikle görsel olarak benzer platform tipleri arasında yanlış sınıflandırma oranlarının düşük kaldığını ve dikkat mekanizmasının sınıflar arası ayırt ediciliğe anlamlı katkı sağladığını ortaya koymaktadır. Elde edilen sonuçlar, uydu görüntülerinden askerî uçak tanıma uygulamalarında dikkat destekli çoklu omurga temsillerinin etkili ve uygulanabilir bir çözüm sunduğunu göstermektedir.