Geri Dön

Robust classification based on sparsity

Seyrekliğe dayalı gürbüz sınıflayıcı

  1. Tez No: 302601
  2. Yazar: ELENA BATTİNİ SÖNMEZ
  3. Danışmanlar: YRD. DOÇ. DR. SONGÜL ALBAYRAK
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: İngilizce
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 101

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

  1. 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

    Türkçe

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ENDER METE EKŞİOĞLU

  2. Aşırı öğrenme makinelerinin seyrek geri çatma algoritmaları ile optimizasyonu

    Optimization of extreme learning machine with sparse recovery algorithms

    ÖMER FARUK ALÇİN

    Doktora

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MELİH CEVDET İNCE

    PROF. DR. ABDULKADİR ŞENGÜR

  3. Zaman serisi sınıflandırması için dalgacık dönüşümüne dayalı yeni bir yaklaşım

    A novel approach for time series classification based on wavelet decomposition

    ARZU FİDAN

    Doktora

    Türkçe

    Türkçe

    2024

    İstatistikMuğla Sıtkı Koçman Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. NEVİN GÜLER DİNCER

  4. Machine learning analysis on nanomaterials literature data and knowledge exploration

    Makine öğrenimi ile nanomalzeme literatür verisinin analizi ve bilgi keşfi

    CUMHUR YILDIRIM

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Nanobilim ve Nanomühendislik Ana Bilim Dalı

    PROF. DR. NİLGÜN BAYDOĞAN

  5. Design and implementation of a dynamic time warping based arrhythmia classification system

    Dinamik zaman eğiltimi tabanlı aritmi sınıflandırma sistemi dizayn ve uygulaması

    OĞUZ DİLMAÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. FİKRET GÜRGEN