Yoğun ormanlık arazide arama görevleri için hava renkli görüntü anomali veri seti

Neden büyük ormanlardaki küçük ipuçları önemli

Birisi ormanda kaybolduğunda, yerdeki en küçük ayrıntı cevabı barındırabilir: bir parça kumaş, bir brandanın köşesi veya yaprakların altında kısmen gizlenmiş geçici bir barınak. Bu makale, Almanya’daki trajik bir insan avının yoğun ağaçlık alanda bu tür zayıf görsel ipuçlarını bulmaya yardımcı olmak üzere bilgisayarlar ve insanlar için tasarlanmış büyük, açık bir görüntü veri setine nasıl yol açtığını anlatıyor. Çalışma suç soruşturması, arama ve kurtarma ve yapay zekâ kesişiminde yer alıyor ve hava kameraları ile algoritmaların doğada olmaması gerekeni tespit etme konusundaki vaadini ve mevcut sınırlamalarını gösteriyor.

Zorlu bir arazide trajik bir vaka

Hikâye, Nisan 2025’te Weitefeld köyünde meydana gelen bir aile cinayetiyle başlıyor. Polis, zanlının yaklaşık 60 kilometrekarelik bir alana yayılan çevre ormanına kaçtığına inanıyordu. Yüzlerce görevli, helikopterler, drone’lar ve dalgıçlar haftalarca arama yaptı, ancak yoğun bitki örtüsü ve bölgenin büyüklüğü geleneksel çabaları alt etti. Aramayı genişletmek için, özel bir kamera sistemine sahip araştırma uçağı 25 kilometrekarelik bir bölgenin üzerinde uçtu ve 10 kilometrekarelik öncelikli bir alanı taradı. Uçak, insan kalıntısına işaret edebilecek nesne ya da barınakları tespit umuduyla her biri birkaç santimetreyi ayırdetmeye yetecek kadar keskin 30.000’den fazla yüksek çözünürlüklü renkli görüntü kaydetti.

Binlerce fotoğrafı paylaşılan bir aramaya dönüştürmek

Keskin görüntülere rağmen tamamen otomatik tespit gerçekçi değildi. Birçok potansiyel ipucu sadece birkaç piksel genişliğinde küçük yamalar halinde görünüyordu ve sıklıkla dallar ve gölgelerin altında gizleniyordu. Sadece yazılıma güvenmek yerine ekip çevrimiçi bir kitle çalışması başlattı. Özel bir web görüntüleyici kullanarak polis ve birkaç üniversiteden 160 gönüllü 10.659 görüntüyü inceledi. Yakınlaştırma, sürükleme, parlaklık ayarlama ve orijinal fotoğraf ile şüpheli tonları vurgulayan bilgisayar tarafından oluşturulmuş bir renk maskesi arasında geçiş yapabiliyorlardı. Gönüllüler bodrumdaki parlak nesnelerden olası saklanma yerlerine kadar ormanda göze yabancı gelen her şeyi işaretledi ve bunları potansiyel nesne, barınak, kişi veya bilinmeyen olarak sınıflandırdı. Raporları, polis ekiplerinin sahada yapacağı takip kontrollerine yön verdi.

Veri setinde neler var

Kitle çalışması 405 farklı bulgu üretti. Polis bunların 238’ini ilgili buldu ve bu konumların hepsini bizzat ziyaret ederek gerçekten ne bulduklarını belgeledi. Keşifler eski variller ve çöp torbalarından brandalara, kulübeler ve av gözetleme kulelerine, zaman zaman insanlara veya insan faaliyetinin izlerine kadar uzanıyordu. Araştırmacılar, haritalama teknikleri kullanarak her etiketli bulguyu farklı açılardan ve farklı yaprak-dal örtüsü miktarlarıyla göründüğü her görüntüye projekte etti. Bu süreç, 10.659 öncelikli alan görüntüsü genelinde yayılan 34.424 etiketli anomali örneği ile birlikte yakın bölgelerden neredeyse 20.000 ek etiketlenmemiş görüntü üretti. Tüm veriler, notlandırma araçları ve etkileşimli harita açıkça erişilebilir şekilde paylaşıldı; böylece başkaları aynı ormanı inceleyebilir, yeni etiketler ekleyebilir veya kendi algoritmaları için görüntü paketleri indirebilirler.

Mevcut bilgisayar yöntemlerinin nerede yetersiz kaldığı

Bu tür orman aramalarının ne kadar talepkar olduğunu göstermek için yazarlar derin öğrenme sistemleri ve renk istatistiklerine dayanan daha basit modeller de dahil olmak üzere birkaç popüler anormallik tespit yöntemini test ettiler. Bu araçlar her piksel veya bölgeye çevresiyle kıyaslandığında ne kadar alışılmadık göründüğünü yansıtan bir skor atıyor ve ardından bunun bir anomali olup olmadığına karar veriyordu. Bu veri setinde derin öğrenme yöntemleri gerçek anomalilerin sadece küçük bir kısmını bulabildi ve daha basit yöntemler her görüntü üzerinde çok sayıda yanlış alarm üretti. Sık yaprak örtüsü, hareket halindeki uçaktan kaynaklanan hareket bulanıklığı ve birçok ipucunun yalnızca birkaç piksel kaplaması algoritmalara karşı işledi. Ekip, etiketlenmiş veriler üzerinde doğrudan eğitilmiş modern bir nesne tespit ağı denediğinde de başarısız oldu; bu da hedefin çoğu gizli olduğunda standart kişi veya nesne tanımanın güvenilir şekilde çalışmadığını doğruladı.

Gelecekteki orman aramaları için ne anlama geliyor

Sonunda arama uçuşu zanlıyı taranan alanın hemen dışında bırakarak neredeyse kaçırdı; zanlının cesedi daha sonra taranan bölgenin hemen dışında bulundu. Ancak operasyon, gerçek arama görüntülerinden, insan etiketlerinden ve polis doğrulamalarından oluşan nadir ve titizlikle belgelenmiş bir koleksiyon bıraktı. Genel okuyucu için ana mesaj şudur: karmaşık bir ormanda havadan küçük bir insan yapımı nesneyi fark etmek, özellikle yalnızca parçalar görünür olduğunda bilgisayarlar için insanlarınkinden çok daha zordur. Yazarlar bu veri setini ve araçları ücretsiz paylaşarak, yalnızca yerel piksellere değil, birçok ağaç ve bakış açısı boyunca görülen desenler gibi daha geniş bağlamı göz önünde bulunduran daha akıllı sistemlerin geliştirilmesine yardımcı olmayı amaçlıyor. Bu tür gerçekçi verilerle eğitilmiş daha iyi algoritmalar bir gün daha hızlı, daha güvenilir arama ve kurtarma görevlerine destek olabilir ve soruşturmacıların örtü altındaki hayati ipuçlarını okumalarına yardımcı olabilir.

Atıf: Amala Arokia Nathan, R.J., Gessner, M., Özkan, N. et al. An aerial color image anomaly dataset for search missions in complex forested terrain. Sci Data 13, 747 (2026). https://doi.org/10.1038/s41597-026-07101-w

Anahtar kelimeler: hava görüntüleri, anormallik tespiti, arama ve kurtarma, ormanlık arazi, kitle kaynak kullanımı