1,720,969 research outputs found
Detection and classification of ships from satellite images using deep learning methods
No full textFen Bilimleri Enstitüsü, Savunma Teknolojileri Ana Bilim DalıUzaktan algılama, yüzeydeki objeleri ve olayları uzaktan gözlemleme ve analiz etme teknolojisidir. Bu yöntemle genellikle uydular, dronlar veya hava araçları gibi platformlar üzerinden çeşitli elektromanyetik dalgalar kullanarak veriler toplanır. Toplanan veriler, optik, kızılötesi veya radar sensörleriyle elde edilen görüntüler şeklindedir ve bu görüntüler çevresel değişikliklerin izlenmesi, tarım verimliliğinin artırılması, şehir planlaması, doğal afetlerin yönetimi, savunma sistemleri ve iklim değişikliği gibi pek çok alanda kullanılabilir. Uzaktan algılama yöntemleri ile elde edilen veri setleri derin öğrenme yöntemleri kullanılarak geniş alanların veri analizi ve bilgi çıkarımı için kullanılmaktadır. Bu sayede geniş alanların hızlı ve etkili bir şekilde değerlendirilmesini sağlanarak, birçok sektörde bilgi ve karar destek sistemlerine katkıda bulunur. Derin öğrenme algoritmaları, uzaktan algılama veri setlerinde nesne tanıma, değişim tespiti ve sınıflandırma gibi görevlerde yüksek doğruluk ve otomasyon sağlamaktadır. Uzaktan algılama yöntemlerinden biri olan optik uydu görüntüleri gemilerin otomatik tespiti ve sınıflandırılması, deniz trafiği yönetimi, çevre kirliliğinin izlenmesi, uyuşturucu kaçakçılığı, göçmen kaçakçılığı, sınır ihlalleri ve meydana gelebilecek diğer suçların takibi açısından kritik bir araştırma alanıdır. Son yıllarda, derin öğrenme algoritmalarının popüler hale gelmesiyle birlikte, Evrişimli Sinir Ağları (ESA) nesne algılama ve sınıflandırma gibi bilgisayarlı görme problemlerinde başarılı sonuçlar elde etmiştir. Bu çalışma kapsamında bilgisayarlı görü problemlerinde nesne tespit görevlerinde kullanılan You Only Look Once (YOLO) tabanlı dokuz on bir farklı mimari (YOLOv5n, YOLOv5s, YOLOv5m, YOLOv5l, YOLOv7tiny, YOLOv7, YOLOv9c, YOLOv9m, YOLOv9s, YOLOv9t, YOLOv7-CBAM) kullanılmıştır. Söz konusu mimariler transfer öğrenme yöntemi ile optik uydu görüntüleri ile gemileri tespit edebilmeleri için eğitilmiştir. Eğitim sonrası mimarilerin uydu görüntülerinden gemileri tespit edebilme ve sınıflandırma performansları kesinlik, duyarlılık, mAP (ortalama kesinlik) ve F1 skor ölçütleri kullanılarak karşılattırılmıştır. Elde edilen test sonuçlarına YOLOv5l modelinin 0.984 kesinlik, 0.984 duyarlılık, 0.991 mAP ve 0.984 F1 skor değeri elde ederek diğer modeller arasında en başarılı model olmuştur. Çalışmada sonuç olarak özellikle büyük modellerin tespit performansının daha iyi olduğu gözlemlenmiştir. Çalışmada ayrıca kullanılan dikkat mekanizmasının YOLOv7 modelinde F1 skor ölçütünde %5,4 oranında bir iyileştirme sağladığı tespit edilmiştir. Çalışma sonuçlarına göre YOLO tabanlı mimarilerin uydu görüntülerinden gemi tespiti ve sınıflandırmada umut vadedici sonuçlar elde ettiği bulunmuştur. Anahtar Kelimeler: Uzaktan algılama, Nesne Tespiti, YOLO, Evrişimli Sinir Ağları, Gemi Tespit ve Sınıflandırma, Derin Öğrenme.Remote sensing is the technology of observing and analyzing objects and events on the surface from a distance. This method entails the collection of data through the utilization of diverse electromagnetic waves, typically from platforms such as satellites, drones or aircraft. The data collected are in the form of images obtained with optical, infrared or radar sensors. These images can be used in a number of areas, including monitoring environmental changes, increasing agricultural productivity, urban planning, management of natural disasters, defense systems and climate change. The data sets obtained through remote sensing methods are employed for the analysis of data and the extraction of information from extensive areas through the utilization of deep learning techniques. In this way, it contributes to the development of information and decision support systems in a number of sectors, providing a rapid and effective means of evaluating large areas. Deep learning algorithms facilitate high accuracy and automation in tasks such as object recognition, change detection and classification in remote sensing data sets. Optical satellite imagery represents a crucial domain of remote sensing research, offering significant potential for automated detection and classification of maritime vessels, management of maritime traffic, monitoring of environmental pollution, detection of drug and migrant smuggling, and identification of border violations and other criminal activities. In recent years, the proliferation of deep learning algorithms has led to the successful application of Convolutional Neural Networks (CNNs) in a range of computer vision problems, including object detection and classification. In this study, nine eleven distinct You Only Look Once (YOLO) based architectures were employed for object detection tasks in computer vision problems, namely YOLOv5n, YOLOv5s, YOLOv5m, YOLOv5l, YOLOv7tiny, YOLOv7, YOLOv9c, YOLOv9m, YOLOv9s, and YOLOv9t, as well as YOLOv7-CBAM. The architectures were trained to detect ships from optical satellite images using a transfer learning method. Following the training phase, the performance of the architectures in detecting and classifying ships from satellite images was evaluated using a series of performance metrics, including precision, sensitivity, mAP (mean average precision), and F1 score. The results of the test demonstrated that the YOLOv5l model exhibited the highest degree of success, attaining precision, sensitivity, mAP, and F1 score values of 0.984, 0.984, 0.991, and 0.984, respectively. It was thus observed that the detection performance of the larger models was superior. Furthermore, it was observed that the attention mechanism employed in the study yielded a 5.4% enhancement in the F1 score criterion for the YOLOv7 model. The findings of the study indicate that YOLO-based architectures demonstrate considerable potential for effective ship detection and classification from satellite images. Keywords: Remote sensing, Object Detection, YOLO, Convolutional Neural Networks, Ship Detection and Classification, Deep Learning
Going Beyond Counting First Authors in Author Co-citation Analysis
Full text linkThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Variations on the Author
Full text link“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Full text linkWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Dispelling the Myths Behind First-author Citation Counts
Full text linkWe conducted a full-scale evaluative citation analysis study of scholars in the XML research field to explore just how different from each other author rankings resulting from different citation counting methods actually are, and to demonstrate the capability of emerging data and tools on the Web in supporting more realistic citation counting methods. Our results contest some common arguments for the continued
use of first-author citation counts in the evaluation of scholars, such as high correlations between author rankings by first-author citation counts and other citation
counting methods, and high costs of using more realistic citation counting methods that are not well-supported by the ISI databases. It is argued that increasingly available digital full text research papers make it possible for citation analysis studies to go beyond what the ISI databases have directly supported and to employ more
sophisticated methods
koamabayili/VECTRON-author-checklist: VECTRON author checklist
No full textWe have done our best to complete the author checklist relating to the use of animals in the hut study. Note that the objective for the hut study was to evaluate the IRS treatment applications for residual efficacy against Anopheles mosquitoes, including the local An. coluzzii mosquito population. Cows were only used to attract mosquitoes into the huts and no tests were carried out directly on the cows. The author checklist is intended for use with studies where experiments are carried out on animals, which is why we have had such difficulty in completing this for the hut study, as many of the questions do not relate to how the cows were used
Author-wise bibliometric analysis based on entropy.
No full textAuthor-wise bibliometric analysis based on entropy.</p
Ağırlıklandırılmış Evrişimsel Sinir Ağları Topluluğu ile Göğüs Radyografilerinden Kardiyomegali Tespiti
No full textKardiyomegali bir hastalık olmamasına karşın birçok kalp rahatsızlığının belirtisi olarak ortaya çıkabilmektedir. Bu belirtinin erken teşhis edilip altında yatan sebeplerin araştırılması hasta için hayati bir önem arz etmektedir. Kardiyomegali teşhisi için en sık kullanılan yöntemlerden biri göğüs radyografisidir. Derin öğrenme yöntemleri ile radyografik görüntülerin analizi son yıllarda oldukça popüler bir çalışma alanıdır. Özellikle evrişimsel sinir ağları medikal görüntü analizinde başarılı sonuçlar elde etmiştir. Bu çalışmada hekimlerin göğüs radyografilerini analiz ederken ikinci bir görüş alabilecekleri, göğüs radyografilerini normal ve kardiyomegali olmak üzere sınıflandıracak ağırlıklandırılmış evrişimsel sinir ağı (ESA) topluluğu önerilmiştir. Bu bağlamda kardiyomegali tespit etmesi için eğitilen on ESA modeli arasından en başarılı üç model ağırlıklandırılmış topluluk yöntemi için seçilmiştir. Seçilen modellerin ağırlıkları parçacık sürü optimizasyon algoritması kullanılarak belirlenmiştir. Elde edilen ağırlıklar kullanılarak yapılan testler sonucunda önerilen yöntem %89,09 doğruluk %89,09 duyarlılık, %89,30 kesinlik ve %89,08 F1 skor değerleri elde etmiştir.Kardiyomegali bir hastalık olmamasına karşın birçok kalp rahatsızlığının belirtisi olarak ortaya çıkabilmektedir. Bu belirtinin erken teşhis edilip altında yatan sebeplerin araştırılması hasta için hayati bir önem arz etmektedir. Kardiyomegali teşhisi için en sık kullanılan yöntemlerden biri göğüs radyografisidir. Derin öğrenme yöntemleri ile radyografik görüntülerin analizi son yıllarda oldukça popüler bir çalışma alanıdır. Özellikle evrişimsel sinir ağları medikal görüntü analizinde başarılı sonuçlar elde etmiştir. Bu çalışmada hekimlerin göğüs radyografilerini analiz ederken ikinci bir görüş alabilecekleri, göğüs radyografilerini normal ve kardiyomegali olmak üzere sınıflandıracak ağırlıklandırılmış evrişimsel sinir ağı (ESA) topluluğu önerilmiştir. Bu bağlamda kardiyomegali tespit etmesi için eğitilen on ESA modeli arasından en başarılı üç model ağırlıklandırılmış topluluk yöntemi için seçilmiştir. Seçilen modellerin ağırlıkları parçacık sürü optimizasyon algoritması kullanılarak belirlenmiştir. Elde edilen ağırlıklar kullanılarak yapılan testler sonucunda önerilen yöntem %89,09 doğruluk %89,09 duyarlılık, %89,30 kesinlik ve %89,08 F1 skor değerleri elde etmiştir
- …
