Robust classification based on sparsity
Seyrekliğe dayalı gürbüz sınıflayıcı
- Tez No: 302601
- Danışmanlar: YRD. DOÇ. DR. SONGÜL ALBAYRAK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Tanıma, Recognition
- Yıl: 2011
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bilgisayarla görmenin de içinde olduğu farklı uygulamalarda kullanılan sınıflama konusu makine öğrenmesindeki en önemli problemlerden biridir. Sınıflama, farklı sınıflara ait eğitim örneklerinin sisteme verilerek test örneğinin hangi sınıfa ait olduğunun bulunması problemidir. Bu tez çalışmasında aydınlatma farklılıkları, yüz ifadesi, poz, yanlış hizalama ve çözünürlük gibi bozucu etkiler altında 2B yüz sınıflama problemine odaklandık. Son yıllarda yüz tanıma konusuna çok büyük bir ilgi olmasına karşın, mevcut örüntü tanıma metodları tüm bu bozucu etkilerin var olduğu durumlarda yüz sınıflamada başarısız olmaktadır. Sıkıştırmalı algılama teorisinde görülen gelişmeler, seyreklik tabanlı sınıflayıcılara doğru yayılmış ve başarılı sonuçlar alınmıştır. Bu çalışmada seyrek yaklaşım tabanlı sınıflama algoritmasının potansiyeli ve başarımını etkileyen faktörlere karşı davranışı araştırılmıştır. Çalışmada gerçekleştirilen tüm deneylerde Exteded Yale B ve Extended Cohn Kanade veritabanları kullanılmıştır. Birincisinde aydınlatma farklılıkları olan görüntüler kontrol edilebilir miktarda hizalamaya izin verecek şekilde kırpılarak alt dizinlere yerleştirilmiştir, eylem birini ve yüzdeki duygunun kodlandığı ikinci veritabanı sınıflama problemi kadar yüz ifadesine rağmen kişi tanımaya da uygundur. Deneylerdeki sonuçlar SRC'yi, başta gürbüzlüğü ve basitliğinden dolayı en başarılı sınıflandırıcılar listesine sokmuştur.
Özet (Çeviri)
Classification is one of the most important problems in machine learning with a range of applications, including computer vision. Given training images from different classes, the problem is to find the class that a test sample belongs to. This thesis focuses on 2D face classification under adverse conditions. The problem is particularly hard in the presence of disturbances such as variations in illumination, expressions, pose, alignment, occlusion and resolution. Despite great interest in the past years, current pattern recognition methods still fail to classify faces in the presence of all types of variations. Recent developments in the theory of compressive sensing have inspired a sparsity based classification algorithm, which turns out to be very successful. This study investigates the potentialities of the Sparse Representation based Classifier (SRC) and, in parallel, it monitors the behaviour of some factors, which can reflect its performance. All experiments use the Extended Yale B and the Extended Cohn Kanade databases. The first dataset stores images with changes in illumination and has a cropped sub-directory of aligned faces, which allows for inserting a controlled amount of misalignment. The second database has coded action units and emotions, which permits to challenge both action units and emotion classification problems as well as the identity recognition despite emotions issue. Experimental results place SRC into the shortlist of the most successful classifiers mainly because of its inner robustness and simplicity.
Benzer Tezler
- Seyreklik ve sözlük öğrenme yaklaşımlarının sınıflandırma ve yüz tanımaya uygulanması
Classification and face recognition application of sparsity and dictionary learning based methods
BERNA AZİZOĞLU
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENDER METE EKŞİOĞLU
- Bridging causal discovery and graph neural networks: a comparative perspective
Nedensel keşif ve çizge sinir ağları arasındaki köprü: Karşılaştırmalı bir bakış açısı
MUHAMMED ÖMER TAYLAN
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. SEFER BADAY
- Aşırı öğrenme makinelerinin seyrek geri çatma algoritmaları ile optimizasyonu
Optimization of extreme learning machine with sparse recovery algorithms
ÖMER FARUK ALÇİN
Doktora
Türkçe
2015
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MELİH CEVDET İNCE
PROF. DR. ABDULKADİR ŞENGÜR
- Robust keyword spotting in noisy environments based on deep learning
Derin öğrenmeye dayalı gürültülü ortamlarda dayanıklı anahtar kelı̇me tespı̇tı̇
FATİH MERCAN
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAMİT ERDEM
- A robust gradient boosting model based on smote and near miss methods for intrusion detection in imbalanced data sets
Saldırı tespit sistemleri için dengesiz veri setlerinde smote ve near mıss metotlarına dayalı güçlü gradyan artırma modeli
AHMET OKAN ARIK
Yüksek Lisans
İngilizce
2022
Bilim ve TeknolojiIşık ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLSÜM ÇİĞDEM ÇAVDAROĞLU