ÜÇA Metoduyla Üretilen Verilerin YOLO v5 Modeliyle Gömülü Hedef Tespitine Etkisi

EasyChair Preprint no. 5459

Abstract

Gömülü hedeflerin tespit edilebilmesi çeşitli bozucu etkilerden dolayı zor bir işlemdir. Bu zorluklara bir çözüm olarak son zamanlarda nesne tespiti problemlerinde  başarılı sonuçlar elde eden YOLO v5 algoritması ön plana çıkmıştır. Bu çalışmada, elde gerçek verilerin olmaması nedeniyle gprMax programı ile B-taramalarından oluşan simule veriler elde edilmiştir. Daha sonra Üretken Çekişmeli Ağ (ÜÇA) metodu ile simüle veri sayısı artırılmıştır. Burada hedeflenen, ÜÇA algoritmasıyla elde edilen verilerin, gömülü hedef tespitinde kullanılabilirliği ve yapılan eğitimde öğrenmeye olan etkisinin YOLO v5 algoritması üzerinden değerlendirilmesidir. Önerilen modelde farklı özelliklerden oluşan veri seti ile yapılan eğitimlerin performansı, elde edilen metrik değerleri üzerinden sayısal olarak  analiz edilmiştir. 

Keyphrases: gprMax, Yere Nüfuz Eden Radar (YNR), YOLO v5, Üretken Çekişmeli Ağlar (ÜÇA)

@Booklet{EasyChair:5459,
  author = {Sertan AkÇali and Fatih Erden},
  title = {ÜÇA Metoduyla Üretilen Verilerin YOLO v5 Modeliyle Gömülü Hedef Tespitine Etkisi},
  howpublished = {EasyChair Preprint no. 5459},

  year = {EasyChair, 2021}}