Presented at the 6th International Symposium on Innovations in Scientific Areas (SISA2024), Ankara, Türkiye, Jun 07, 2024

SETSCI Conference Proceedings, 2024, 18, Page (s): 69-73 , https://doi.org/10.36287/setsci.18.1.0069

Published Date: 24 June 2024    | 1744     0

Bu araştırma günümüzde gelişen teknoloji ile mimarlık alanında farklı yöntemlerin kullanılabildiğini ifade eden bir tespit yöntemini araştırmaktadır. Bu bağlamda günümüzdeki önemli teknolojik gelişmelerden biri olan derin öğrenme algoritmaları mimarlık için oldukça nitelikli çözümler barındırmaktadır. Araştırma, tarihi mimariyi korumak ve çevremize mimari bir bilinç kazandırabilmek adına farklı yöntemler geliştirmeyi hedeflemektedir. Son yıllarda derin öğrenmenin gelişmesiyle birlikte, bir makinenin yapılı çevrenin farklı yönlerini tahmin edebildiği kanıtlanmıştır. Teknolojik gelişimlerden yararlanarak çevremizdeki mimari değerleri korumak ve bilgi edinmek için derin öğrenme yöntemi kullanmak, bir dijital veri havuzu oluşturmak ve çevremizde kaybolmaya yüz tutmuş yapıların değerlerini ortaya çıkarmak araştırmanın temel amacıdır. Araştırma derin öğrenme teknolojilerinden yararlanarak belirlenmiş olan 3 adet tarihi yapıyı analiz etmiş ve yapıların mimari elemanlarını tespit ederek belgelemeye çalışmıştır. Araştırmanın sonucunda yapıların cephe elemanları ve mimari elemanları belgelenmiş ve stilleri analiz edilerek bu doğrultuda dönem analizi yapılmış ve yapıların yaş tahmini yapılmıştır. Araştırma algoritmaları kullanarak tarihi binaların yaş ve stil tespitini başarı ile algılamış ancak belirli noktalarda tanımsız tespitler yapmıştır. Sonuç kısmında araştırmanın verileri tartışılarak yöntemin mimari bağlamda önemi tartışılmış ve sınırlılıklarına değinilmiştir.

Keywords - Derin öğrenme, yapay zeka, tespit, tarihi yapı koruma, algoritma

[1] Siountri, K., & Anagnostopoulos, C. (2023). The classification of cultural heritage buildings in Athens using deep learning techniques. Heritage, 6(4), 3673-3705.

[2] J. Breckling, Ed., The Analysis of Directional Time Series: Applications to Wind Speed and Direction, ser. Lecture Notes in Statistics. Berlin, Germany: Springer, 1989, vol. 61.

[3] Li Deng and Dong Yu (2014), "Deep Learning: Methods and Applications", Foundations and Trends® in Signal Processing: Vol. 7: No. 3–4, pp 197-387.

[4] Redmon, J. (2024). YOLO: Real-time object detection. Survival Strategies for the Robot Rebellion. https://pjreddie.com/darknet/yolo/.

[5] Wang, C. Y., Bochkovskiy, A., & Mark-Liao, H. Y. (2022). YOLOv7: Trainable Bag-of-Freebies Sets New State-of-the-Art for Real-Time Object Detectors. Institute of Information Science..

[6] Akdağ, G. (2019). Ankara`da I. Ulusal Mimarlık Dönemi banka binalarında cephe düzeni ve süsleme (1926-1929) [Yüksek Lisans Tezi]. Gazi Üniversitesi, Sosyal Bilimler Enstitüsü, Sanat Tarihi Ana Bilim Dalı.

[7] Aslanapa, O. (1986). Osmanlı devri mimarisi: Orhan Gazi’den başlayarak sonuna kadar padişahlara göre gelişmesi (2006 dijital.). İnkılâp Kitabevi.

[8] Şahin, S. T. (2022). 1930-1980 Yılları Arasında Üretilen Gaziantep Modern Mimarlık Yapılarının Cephe ve Kütle Özelliklerinin İncelenmesi. Yüksek Lisans Tezi. Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü, Mimarlık Anabilim Dalı.

[9] Tankut, G. (1988). Ankara'nın Başkent Olma Süreci. ODTÜ MED, 8(2), 93-104.

[10] Tekeli, D. (2006). Cumhuriyetin Binaları. Türkiye Mühendislik Haberleri, 2(3), 442-443.

[11] URL1:https://upload.wikimedia.org/wikipedia/commons/6/67/Cumhuriyet_M%C3%BCzesi%2C_2018_05.jpg

[12] URL2:https://upload.wikimedia.org/wikipedia/commons/thumb/b/b4/Istanbul_Grand_Post_Office.jpg/2560px-Istanbul_Grand_Post_Office.jpg

[13] URL3:https://www.turkiyenintarihieserleri.com/foto_y/2019/06/b/1561815551.jpg

This is an Open Access article distributed under the terms of the Creative Commons Attribution License 4.0, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.