|
02.08.2024- GTÜ Basın ve Halkla İlişkiler Müdürlüğü
GTÜ'den Dünya çapında bir başarı daha Prof. Dr. Taşkın Kavzoğlu'nun kitabı genişletilmiş 3. baskısıyla yayımlandı.
Gebze Teknik Üniversitesi (GTÜ) Mühendislik Fakültesi Harita Mühendisliği Öğretim Üyesi Prof. Dr. Taşkın Kavzoğlu'nun hazırladığı ve alanında en çok satılan kitaplar arasında yer alan "Classification Methods for Remotely Sensed Data" adlı eserin genişletilmiş 3. baskısı yayımlandı. Mühendislik alanındaki en önemli yayıncılardan biri olan CRC Press tarafından basımı gerçekleştirilen eser, tüm dünyada satışa sunuldu.
“Classification Methods for Remotely Sensed Data" kitabı, uzaktan algılama verilerinin sınıflandırılması için kullanılan çeşitli yöntemleri ve teknikleri ele alıyor. Uzaktan algılama, uydu ve hava araçları gibi uzak mesafedeki platformlardan elde edilen verilerin analiz edilmesini kapsayan bir bilim dalıdır. Bu veriler sayesinde iklim değişikliği etkilerinin analizi, çevresel değişim analizler, tarımsal faaliyetlerin izlenmesi, tarımsal rekolte tahminlerinin yapılması, orman türlerinin tespiti ve bu alanların izlenmesi, doğal felaketlerinin (orman yangınları, müsilaj, heyelan vb.) etkilerinin analiz edilmesi, toprak ve kayaç türlerinin tespiti, buzulların miktarının ve yaşının tayin edilmesi gibi çok geniş yelpazede birçok bilimsel araştırma yapmak mümkün olabilmektedir. Bu kitap, bu tür verilerin sınıflandırılması için kullanılan en güncel algoritmaları ve yaklaşımları teorileri ve uygulamalarıyla derinlemesine ele almaktadır. Bu genişletilmiş/güncellenmiş 3. baskı, hem teorik bilgi hem de pratik uygulamalar sunarak, okuyucuların uzaktan algılama verilerini etkili bir şekilde sınıflandırmalarına yardımcı olmayı amaçlıyor. Uzaktan algılama alanında çalışan araştırmacılar, akademisyenler ve profesyoneller için önemli bir kaynak niteliği taşıyan eser, dünya çapında büyük ilgi görüyor.
Kitap Hakkında: Son 20 yılda, uzaktan algılama alanında hızlı bir ilerlemeye ve yeni uygulamaların ortaya çıkışına tanık olduk. Bilimsel metodolojiler, hesaplamalı bilimden daha veri odaklı bir paradigmaya doğru kayarak bir dönüşüm geçirdi. Bu geçiş, uzaktan algılama görüntülerinin analizinde, gelişmiş makine öğrenimi tekniklerini ve yeni öğrenme paradigmalarını içeren önemli bir dönüşüme yol açmıştır. Geleneksel yöntemlerin yerini alan makine öğrenimi yöntemleri, uzaktan algılama uygulamalarında gösterdikleri üstün performans ile alanda en çok tercih edilen yöntemler olmuştur. Bu dönemde, sığ sinir ağları derin öğrenme modellerine, destek vektör makineleri (SVM'ler) daha sağlam varyantlara ve basit karar ağaçları topluluk yöntemlerine dönüşmüştür.
Kapsamlı güncellemeler ve yeni bölümlerin eklenmesiyle kitabın güncel versiyonu, uzaktan algılama ilkeleri, görüntü işleme teknikleri ve uzaktan algılanan verilerin uygulamaları hakkında temel bir anlayışa sahip öğrenciler, araştırmacı bilim insanları ve uzaktan algılama endüstrisindeki profesyoneller için uygun, güncel ve ilgi çekici bir içeriğe sahip olmuştur. Kitap, mühendisliğin ötesine geçerek bilimsel alanların bir yelpazesini kapsayacak şekilde evrensel geçerliliğe sahip yöntem ve yaklaşımların ana hatlarını çizmektedir. Yeni baskı, içeriğin daha net anlaşılmasını kolaylaştırmak için renkli şekiller içermektedir.
Bölüm 1, elektromanyetik spektrumun optik ve mikrodalga bölgelerindeki uzaktan algılama teknolojilerindeki son teknolojik gelişmeleri içeren güncellenmiş bir baskı sunmaktadır. Bu bölüm, elektromanyetik enerji ile atmosferik etkileşimleri yöneten ilkelerin yanı sıra uzaktan algılanan verilerin elde edilmesi ve ön işlenmesi hakkında temel bilgiler sağlamaktadır.
Bölüm 2, örüntü tanıma ilkelerini tanıtmakta, çeşitli tekniklere ve geleneksel denetimsiz ve denetimli yöntemlerin arkasındaki temel ilkelere ilişkin sınıflandırmalı bir genel bakış sunmaktadır. Bulanık C-ortalamalar ve bulanık maksimum olabilirlik sınıflandırıcıları gibi yöntemler sunularak bulanık sınıflandırmanın önemi vurgulanmaktadır. Ayrıca, bölüm spektral ayrıştırma ve topluluk sınıflandırıcıları gibi konuları da ele almaktadır.
Bölüm 3, özellik çıkarma ve özellik seçme teknikleri aracılığıyla yüksek boyutlu uzaktan algılama verileri için boyut azaltmaya odaklanarak özellik mühendisliğinin önemli bir yönünü ele almaktadır. Bu bölümde temel bileşenler analizi, minimum/maksimum otokorelasyon faktörleri (MAF), maksimum gürültü fraksiyonu (MNF) dönüşümü, bağımsız bileşen analizi metotlarının teorisini sunmaktadır. Buna ek olarak, filtre tabanlı yöntemler, sarmalayıcılar ve gömülü yöntemleri kapsayan çeşitli özellik seçim tekniklerini açıklamaktadır. Bölümde ayrıca açgözlü arama algoritmaları, benzetimli tavlama ve ayrılabilirlik indekslerinin uygulanması incelenmektedir.
Bölüm 4, uzaktan algılama alanında önemli bir araştırma konusu olan çok kaynaklı görüntü füzyonunu ele almaktadır. Görüntü birleştirme yöntemlerinin matematiksel teorilerine ek olarak, birleştirilmiş görüntü kalitesinin değerlendirilmesi, kaynak güvenilirliğinin ele alınması ve birleştirme yöntemlerinin performans değerlendirmesi sunulmaktadır. Bölüm, yığılmış vektör yöntemi kullanılarak çok kaynaklı verilerin sınıflandırılmasını da kapsamakta ve Bayes sınıflandırma teorisini de içermektedir.
Bölüm 5'te destek vektör makineleri (DVM'ler) metotu tüm yönleriyle ele alınmıştır. Tekniğin temelini oluşturan matematiksel teorilerin açıklanmasının ardından, uzaktan algılanmış görüntülerin analizindeki güncel literatür ve ilerlemeler dikkate alınarak, alaka (relevance) vektör makineleri, ikiz DVM'ler ve derin DVM'ler gibi yakın zamanda geliştirilen varyasyonlar tartışılmaktadır.
Bölüm 6, sağlam topluluk türevlerine dönüşen karar ağaçları hakkında güncellenmiş içerik içermektedir. İlk bölümlerde karar ağaçlarının arkasındaki temel teori tanıtıldıktan sonra, kanonik korelasyon ormanı, aşırı gradyan artırma, hafif gradyan artırma makineleri ve gradyan artırma makineleri dahil olmak üzere gelişmiş topluluk yöntemlerinin ayrıntılı teorileri sunulmaktadır.
Bölüm 7, uzaktan algılamada çığır açan bir paradigma olan ve bu kitabın özünü oluşturan derin öğrenmeyi tanıtmaktadır. Derin öğrenme modellerinin altında yatan matematiksel teorinin karmaşıklığı göz önünde bulundurularak, başlangıçta temel teoriler ve bilgiler verilmektedir. Daha sonra, evrişimli sinir ağları, tekrarlayan sinir ağları, görüntü dönüştürücüler ve üretken düşman ağları (generative adversarial networks) dahil olmak üzere popüler sinir ağı mimarileri, teorileri ve özel uygulamaları ile birlikte sunulmaktadır. Ayrıca, son yirmi yılda yüksek boyutlu ve sınırlı verileri işlemek için geliştirilen yeni öğrenme paradigmaları (transfer öğrenme, yarı denetimli öğrenme, pekiştirmeli öğrenme, aktif öğrenme ve çoklu görev öğrenme) da okuyucuları en son gelişmeler hakkında bilgilendirmek için açıklanmaktadır. Son olarak, derin öğrenmenin uzaktan algılama alanındaki popüler uygulamaları (anlamsal segmentasyon, nesne algılama, sahne sınıflandırma ve değişiklik algılama) son uygulamalarına atıfta bulunularak tartışılmaktadır.
Bölüm 8'de yeni ve önemli bir paradigma olan nesne tabanlı görüntü analizi (OBIA) anlatılmaktadır. Yüksek seviyeli ve doğru bilgi çıkarımına olan talep, araştırmaların odağını bu yeni paradigmaya doğru kaydırmış, görüntü analizinin temelini geliştirmiş ve uzaktan algılama ile CBS arasında hayati bir bağlantı kurmuştur. Bu bölümde, mevcut taksonomi göz önünde bulundurularak tartışılan segmentasyon yöntemlerine (kümeleme tabanlı, eşikleme tabanlı, kenar tabanlı, bölge tabanlı ve hibrit yöntemler) özel vurgu yapılarak OBIA yaklaşımının temel teorisi sunulmaktadır. Ayrıca, segmentasyon kalitesini değerlendirmek için kullanılan metrikler ve algoritmalar gözden geçirilmiştir.
Bölüm 9, makine öğrenimi algoritmalarından optimum performans elde etmede çok önemli bir husus olan hiperparametre optimizasyonu (HPO) kavramını ve uygulamasını özetlemektedir. Bir makine öğrenimi yönteminin etkinliği, ister ön planda olsun ister daha zayıf performans sergilesin, optimum hiperparametre yapılandırmasının keşfiyle yakından bağlantılıdır. Bu bölüm, başlıca HPO yaklaşımlarının temel ilkelerini ortaya koymakta ve yaygın makine öğrenimi modellerinde bulunan ve ayarlama gerektiren önemli hiper parametreleri araştırmaktadır.
Bölüm 10, genellikle 'kara kutu' olarak nitelendirilen makine öğrenimi yöntemlerinin doğruluk değerlendirmesi ve açıklanabilirliği ile ilgili temelleri ve kritik konuları tartışmaktadır. Bu, uzaktan algılama alanındaki araştırmacılar için her zaman önemli bir endişe kaynağı olmuştur. Bu bölüm, kitabın okuyucuları için açıklayıcı bir örnek teşkil eden bir vaka çalışması eşliğinde hem geleneksel hem de son teknoloji yöntemleri kapsamlı bir şekilde sunmaktadır. Bölüm, doğruluk değerlendirmesi için en iyi uygulamalara ilişkin kılavuz ilkeler sunarak önemli bir katkı sağlamaktadır.
|
