Open Access
Derin Öğrenme ve Görüntü Tanılama Yöntemleri ile İç Mekanlarda Yapı Elemanlarının Tespiti
Sefa Çakmak1*, Ammar İbrahimgil2
1Gazi University, Ankara, Türkiye
2Gazi University, Ankara, Türkiye
* Corresponding author: cakmak.sef@gmail.com

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

SETSCI Conference Proceedings, 2024, 18, Page (s): 74-77 , https://doi.org/10.36287/setsci.18.1.0074

Published Date: 24 June 2024    | 1046     0

Abstract

Mimari mirasın korunması ve geleceğe aktarılması, kültürlerin ve bu mirasın devamlılığı için büyük önem taşımaktadır. Bu yapıların korunması ve bakımlarının sağlanabilmesi, yapı elemanlarının detaylı analizlerinin ve envanterlerinin çıkarılması ile mümkündür. Ayrıca, bu analizlerin belirli aralıklarla tekrarlanması ve envanterin sürekli güncellenmesi, herhangi bir müdahaleye gerek kalmadan problemlerin çözülmesine olanak sağlayabilir. Dolayısıyla, bu aşamada yapılacak gelişmeler, daha çok sayıda yapının düzenli bir şekilde belgelenmesine ve koruma altına alınabilmesine imkân tanıyacaktır. Gelişmekte olan teknolojilerin yardımıyla artık fotoğraflar, videolar ve gerçek zamanlı kameralar üzerinden tespitler yapmak ve bunları raporlamak mümkün hale gelmiştir. Derin öğrenme ve görüntü algılama olarak bilinen bu teknolojilerin tarihi yapılarda kullanım alanları günümüzde giderek artmaktadır. Bu çalışmada, derin öğrenme algoritması ve bir görüntü algılama algoritması olan YOLO algoritması kullanılarak seçilen pilot bir yapıda önceden belirlenen yapı elemanlarının tespiti amaçlanmıştır. Buradan elde edilecek sonuçlar ile mimari belgeleme işleminin, derin öğrenme ve görüntü tanılama algoritmaları ile çok hızlı ve yüksek doğruluk oranları ile yapılması hedeflenmektedir.

Keywords - mimari belgeleme; dokümantasyon; yapay zeka; derin öğrenme; görüntü tanılama; bilgisayarla görme; yapı bileşeni algılama; pencere algılama; mimari miras

References

[1] J. Llamas, P. M. Lerones, R. Medina, E. Zalama and J. Gómez-García-Bermejo, “Classification of Architectural Heritage Images Using Deep Learning Techniques” Applied Sciences, vol. 7, pp. 992, Sept. 2017.

[2] M. H. Abed, Z. Hussain, “Architectural Heritage Images Classification Using Deep Learning With CNN” in VIPERC 2020 Visual Pattern Extraction and Recognition for Cultural Heritage Understanding., 2020.

[3] (2024) Gazi Üniversitesi Laboratuvarlarımız. [Online]. Available: https://tf-imalat.gazi.edu.tr/view/page/162814

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

[5] (2024) YOLOv8 Ultralytics YOLO Docs Website. [Online]. Available: https://docs.ultralytics.com/models/yolov8/

[6] Z. Ahunbay, Tarihi Çevre Koruma ve Restorasyon, 17th ed., İstanbul, Türkiye: YEM Yayın, 2023.

[7] J. P. Haton and M. C. Haton, Yapay Zekâ, 1st ed., İstanbul, Türkiye: İletişim Yayınları, 1991.

[8] C. Say, 50 Soruda Yapay Zekâ, 7th ed., İstanbul, Türkiye: 7 Renk Basım Yayın, 2018.

[9] Ç. F. Özgenel, “Crack Detection With Deep Learning: An Exemplary Study of Data Design in Architecture” Doctorate thesis, Middle East Teschnical University, Ankara, Türkiye, May. 2018.

SETSCI 2024
info@set-science.com
Copyright © 2024 SETECH
Tokat Technology Development Zone Gaziosmanpaşa University Taşlıçiftlik Campus, 60240 TOKAT-TÜRKİYE