Ortak vektör yöntemiyle öznitelik çıkarımı
Feature extraction with common vector approach
- Tez No: 179112
- Danışmanlar: YRD. DOÇ. DR. ATAKAN DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Ortak Vektör Yöntemi, Ayırt Edici Ortak Vektör Yöntemi, Öznitelik Seçimi, Öznitelik Çıkarımı, Yüz tanıma, OVY, AOVY, Common Vector Approach, Discriminative Common Vector Approach, Feature Selection, Feature Extraction, Face Recognition, CVA, DCVA
- Yıl: 2009
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 104
Özet
Bu çalışmanın amacı, yüz resminin tamamını kullanmak yerine resimlerin çeşitli bölgelerinden, doğrusal alt uzay indirgeme tekniklerinden ortak vektör ve ayırt edici ortak vektör yöntemleri ile öznitelik çıkarımı yaparak, seçilen öznitelik bölgesi ? tanıma oranı, tüm öznitelik uzayının farksızlık alt uzayı ? tanıma oranı ve kullanılan piksel sayısı ? tanıma oranı ilişkilerini incelemek ve yorumlamaktır. Bunun için, sınıfları en iyi temsil edebilen bölgeler matematiksel bir yaklaşımla belirlenmiş, öznitelik çıkarımı yaparak ayırt edici ortak vektör yöntemini uygulayan bir yüz tanıma uygulaması geliştirilmiştir. Yüz tanıma uygulaması, AR, Yale B, ORL, Faces94, Faces95 ve Faces96 gibi çeşitli veri tabanları ile denenmiştir. Çalışmada söz konusu yöntemlerle, yüz resminden daha az piksel kullanarak amaçlanan hedeflere ulaşılmış, göz civarından başlayarak seçilen piksellerle kabul edilebilir tanıma başarımı kayıpları için kullanılan piksel oranlarında büyük sadeleştirmelere gidilmiştir. Bu yaklaşım ayırt edici ortak vektör yönteminin daha hızlı çalışmasına, daha az depolama alanı kullanmasına ve gerçeklemeye uygun olmasına olanak sağlamaktadır. Sonuç kısmında elde edilen veriler bir araya getirilerek değerlendirilmiş ve yorumlanmıştır.
Özet (Çeviri)
The purpose of this study is to analyze and to comment selected feature region ? recognition rate, null subspace of all feature space ? recognition rate and pixel usage ? recognition rate relationships by doing feature extraction with linear subspace reduction techniques such as common vector and discriminative common vector approaches. For this, the regions representing the classes in the best way were determined with a mathematical approach, a face recognition application extracting face features and applying the common vector and discriminative common vector approaches was developed. Face recognition application was experimented with various databases such as AR, Yale B, ORL, Faces94, Faces95 ve Faces96. In the study, the purposes were realized by implementing above techniques, efficient simplifications were succeeded at pixel usage rates with selected pixels beginning at the middle regions of eyes in answer to acceptable losses in recognition rate. This touch enables faster implementation, less storage area and suitability to realize for discriminative common vector approach. In conclusion, data gotten from application were evaluated and commented by being combined after each experiment.
Benzer Tezler
- Ensemble based feature selection with hybrid model
Hibrit modeli ile topluluk temelli öznitelik seçimi
CEYLAN DEMİR
Yüksek Lisans
İngilizce
2019
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İZZET GÖKSEL
DOÇ. DR. SÜREYYA AKYÜZ
- Çok modlu yaşam alanı gözetleme sistemleri
Multi-modal living area surveillance systems
FATİH ERDEN
Doktora
Türkçe
2015
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ZİYA ALKAR
- Comparing audio features for speech emotion recognition using machine learning algorithms
Konuşmadan duygu çıkarımı için makine öğrenimi algoritmaları kullanılarak ses özelliklerinin karşılaştırılması
FATMA GÜMÜŞ
Yüksek Lisans
İngilizce
2022
Bilim ve TeknolojiMEF ÜNİVERSİTESİBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUNA ÇAKAR
- Optimization models for survival analysis to identify key gene sets in cancer
Kanser hastalığında önemli gen kümelerini belirlemek için geliştirilen en iyileme modelleri
ONUR DERELİ
Doktora
İngilizce
2020
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği ve Operasyon Yönetimi
PROF. DR. CEYDA OĞUZ
- Automated scoring of CERBB2 receptors using histogram based analysis of immunohistochemistry breast cancer tissue images
İmmünohistokimya meme kanseri görüntülerininhistogram tabanlı analiz kullanılarakCERBB2 reseptörlerinin otomatik olarak skorlanması
KAAN AYKUT KABAKÇI
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN