Deprem sonrasında nokta bulutlarından hasarlı binaların belirlenmesine yönelik yapay öğrenme modeli tasarımı: ‘EQDamage4B_Pnt’

Deprem sonrasında afet bölgesine ilişkin havadan elde edilmiş üç boyutlu (3B) nokta bulutlarından mevcut durumun 3B kent modelinin yani 3B sahnenin üretilmesi ve bunun üzerinde 3B bölütleme gibi bilgisayarlı görü görevlerinin gerçekleştirilmesi önemli bir konudur. Buradan hareketle deprem sonrasında elde edilen büyük ve karmaşık nokta bulutlarının 3B bölütlenmesi görevinde hem yapay öğrenme modelinin temsil gücünü hem de hesaplama verimliliğini arttıracak bir mimarinin tasarlanması ve bu mimariye dayalı bir modelin geliştirilmesi kritik öneme sahiptir. Ayrıca yapay öğrenme alanında da kullanılabilecek en iyi mimariden ve modelden ziyade, projenin amacına ve gereksinimlerine en uygun mimariyi seçebilmek ve buna ilişkin modeli geliştirebilmek çok daha önemli görülmektedir. Yapay öğrenme yaklaşımında; araştırma ve uygulama gereksinimlerine göre modelin ölçeklenebilirliği, ön eğitim yaklaşımları ve bütünleştirme kolaylığı gibi ölçütler mimari ve model seçiminde belirleyici olmaktadır. Çalışma kapsamında deprem sonrasında düzensiz ve sırasız yapıda bulunan nokta bulutlarından bina hasar tespiti için yüksek detay ve çok ölçekli bilgi gereksinimleri göz önüne alındığında SONATA öz denetim ön eğiticisinin, PointTransformer v3 özellik çıkarıcısının, Mask3D bölütleme başlığının, PointLLM etkileşiminin, Point2Surf grafik modelleyicisinin bir araya getirildiği bir süreç tasarımı geliştirilmiş ve EQDamage4B_Pnt olarak adlandırılmıştır. Süreç tasarımı sonucunda elde edilen mimari ile bina hasar tespiti, deprem sonrası hızlı hasar değerlendirmesi ve müdahale planlaması gibi görevlere yönelik çözümler uçtan-uca yapay öğrenme tabanlı olarak üretilebilir yapıya getirilmiş olacaktır.