GMT638 - UZAKTAN ALGILAMADA GÖRÜNTÜ SINIFLANDIRMA
| Dersin Adı | Kodu | Yarıyılı | Teori (saat/hafta) |
Uygulama (saat/hafta) |
Yerel Kredi | AKTS |
|---|---|---|---|---|---|---|
| UZAKTAN ALGILAMADA GÖRÜNTÜ SINIFLANDIRMA | GMT638 | Herhangi Yarıyıl/Yıl | 3 | 1 | 3 | 7 |
| Önkoşul(lar)-var ise | ||||||
| Dersin Dili | Türkçe | |||||
| Dersin Türü | Seçmeli | |||||
| Dersin verilme şekli | Yüz yüze | |||||
| Dersin öğrenme ve öğretme teknikleri | Anlatım Soru-Yanıt Uygulama-Alıştırma | |||||
| Dersin sorumlusu(ları) | Prof.Dr.Mustafa Türker | |||||
| Dersin amacı | Uzaktan algılamada görüntü sınıflandırma konullarının temelleri, ilkeleri ve yöntemleri hakkında ayrıntılı bilgi ve gelişmiş beceriyi kazandırmak. | |||||
| Dersin öğrenme çıktıları |
| |||||
| Dersin içeriği | Desen tanıma prensipleri. Yapay sinir ağları bazlı sınıflandırma metodları. Bulanık küme teorisi bazlı sınıflandırma metodları. Doku bölümleme. Dokunun sınıflandırmaya dahil edilmesi. Çok kaynaklı sınıflandırma. Destek vektör makinaları sınıflandırması. Genetik algoritmaları kullanarak sınıflandırma. İnsan yapımı objelerin hava ve uzay görüntülerinden otomatik belirlenmesi. | |||||
| Kaynaklar | - Classification Methods for Remotely Sensed Data (2nd Edition), Tso, B. and Mather, P.M., CRC Press, 2009. - Introduction to Remote Sensing (5th Edition), Campbell, J.B., and R. H. Wynne, The Guilford Press, 2011. - Computer Processing of Remotely Sensed Images: An Introduction (4th Edition), Mather, P., John Wiley & Sons, 2011. - Remote Sensing Digital Image Analysis: An Introduction (4th Edition), Richards, J.A. and X. Jia, Springer, 2006. | |||||
Haftalara Göre İşlenecek Konular
| Haftalar | Konular |
|---|---|
| 1. Hafta | Desen tanıma prensipleri |
| 2. Hafta | Yapay sinir ağları ve sınıflandırma metodları |
| 3. Hafta | Bulanık küme teorisi ve sınıflandırma metodları |
| 4. Hafta | Doku bölümleme |
| 5. Hafta | Dokunun sınıflandırmaya dahil edilmesi |
| 6. Hafta | Ara sınav |
| 7. Hafta | Çok kaynaklı sınıflandırma |
| 8. Hafta | Çok kaynaklı sınıflandırma |
| 9. Hafta | Destek vektör makinaları sınıflandırması |
| 10. Hafta | Destek vektör makinaları sınıflandırması |
| 11. Hafta | Ara sınav |
| 12. Hafta | Genetik algoritmaları kullanarak sınıflandırma |
| 13. Hafta | İnsan yapımı objelerin hava ve uzay görüntülerinden otomatik belirlenmesi |
| 14. Hafta | İnsan yapımı objelerin hava ve uzay görüntülerinden otomatik belirlenmesi |
| 15. Hafta | Finale hazırlık |
| 16. Hafta | Final Sınavı |
Değerlendirme Sistemi
| Yarıyıl içi çalışmaları | Sayısı | Katkı Payı % |
|---|---|---|
| Devam (a) | 16 | 5 |
| Laboratuar | 14 | 10 |
| Uygulama | 0 | 0 |
| Alan Çalışması | 0 | 0 |
| Derse Özgü Staj (Varsa) | 0 | 0 |
| Ödevler | 5 | 5 |
| Sunum | 0 | 0 |
| Projeler | 0 | 0 |
| Seminer | 0 | 0 |
| Ara Sınavlar | 2 | 30 |
| Genel sınav | 1 | 50 |
| Toplam | 100 | |
| Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı | 37 | 50 |
| Yarıyıl Sonu Sınavının Başarı Notuna Katkısı | 1 | 50 |
| Toplam | 100 | |
AKTS (Öğrenci İş Yükü) Tablosu
| Etkinlikler | Sayısı | Süresi | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi | 16 | 2 | 32 |
| Laboratuvar | 14 | 2 | 28 |
| Uygulama | 0 | 0 | 0 |
| Derse özgü staj (varsa) | 0 | 0 | 0 |
| Alan Çalışması | 0 | 0 | 0 |
| Sınıf Dışı Ders Çalışma Süresi (Ön Çalışma, pekiştirme, vb) | 14 | 5 | 70 |
| Sunum / Seminer Hazırlama | 0 | 0 | 0 |
| Proje | 0 | 0 | 0 |
| Ödevler | 5 | 8 | 40 |
| Ara sınavlara hazırlanma süresi | 2 | 12 | 24 |
| Genel sınava hazırlanma süresi | 1 | 16 | 16 |
| Toplam İş Yükü | 52 | 45 | 210 |
Dersin Öğrenme Çıktılarının Program Yeterlilikleri İle İlişkilendirilmesi
| D.9. Program Yeterlilikleri | Katkı Düzeyi* | ||||
|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |
| 1. Geomatik Mühendisliği alanında problemleri tanımlayarak bu problemlerin çözümünde Bilgi Teknolojilerini etkin olarak kullanır. | X | ||||
| 2. Geomatik Mühendisliği altyapısı ile donatılır ve bunu çalışmalarında etkin olarak kullanır. | X | ||||
| 3. Geomatik Mühendisliği uygulamaları için gerekli olan güncel teknoloji ve yöntemleri seçer, kullanır ve geliştirir. | X | ||||
| 4. Uluslararası Geomatik Mühendisliği uygulamalardan üretilen verileri elde etmeyi, yorumlamayı, analiz etmeyi ve bu verileri kullanarak ve kendi özgün değerini de katarak yeni konumsal ürünler elde etme yetisini kazanır. | X | ||||
| 5. Jeodezik gözlemler ile jeodezik ve jeodinamik parametrelerin kestirimini yapar ve çalışmalarında kinematik ve dinamik fonksiyonel modelleri etkin olarak kullanır. | X | ||||
| 6. Fotogrametri ve yüzey tarama teknolojileri alanında ulusal ve uluslararası yürütülen ileri uygulamalara hâkim olarak bu uygulamaların geliştirilme süreçlerine katkıda bulunur. | X | ||||
| 7. Uzaysal/havasal görüntüler ve havasal/yersel lazer verilerin toplanması için stratejiler geliştirir; bu verilerden bilgi çıkarımı ve problem çözümü için en uygun yöntemleri belirler; ilgili yazılımları kullanarak verileri ileri seviyede işler, analiz eder, farklı coğrafi verilerle entegre eder, modeller geliştir; arazi çalışmalarına katılır; elde edilen çıktıları görsel, istatistiksel ve tematik olarak sunar. | X | ||||
| 8. Coğrafi Bilgi Sistemleri konusunda güncel gelişmeleri takip ederek, konumsal veriyi temel alan, olay ve amaç bazlı statik ve online dinamik sistemler geliştirir, konumsal veritabanı yönetim sistemleri tasarlar, görsel ürünler üretir. | X | ||||
| 9. Görüntüleme donanımları ve algılayıcılarının çalışma prensiplerini ve kullanım alanlarını tanıyarak amaca uygun veri elde etmek için çözümler üretir. | X | ||||
| 10. Endüstriyel ve altyapı uygulamalarını daha ekonomik, güvenilir ve bilimsel esaslara bağlı kalarak yönetecek sistemler geliştirir. | X | ||||
| 11. Mesleki yaşamda sosyal, çevresel, ekonomik, sağlık ve iş güvenliği etkenlerini dikkate alır. | X | ||||
*1 En düşük, 2 Düşük, 3 Orta, 4 Yüksek, 5 Çok yüksek