Fusing local appearance models for face recognition
Yüz tanıma için yerel görünüm modellerinin tümleştirilmesi
- Tez No: 325523
- Danışmanlar: PROF. LALE AKARUN, YRD. DOÇ. HAZIM KEMAL EKENEL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Yüz tanıma, bilimsel zorlukları ve olası uygulamaları dolayısıyla hem çeşitli araştırma toplulukları hem de piyasa tarafından yıllardır ilgi gören, popüler bir araştırma alanıdır. Gürbüz bir yüz tanıma sistemi sağlamak için çeşitli teknikler yoğun olarak incelenmiştir. Bu tekniklerin bir çoğu, kontrollü koşullar altında hali hazırda çok yüksek tanıma başarısı elde etmiştir. Buna karşılık, kontrolsüz koşullar altında yüz tanıma, hala çok zorlu bir problemdir. Bu zorluk, ifade ve aydınlanma değişimi, kısmi örtüşme, kullanılan eğitim ve test verileri arasındaki zaman farkı gibi etmenlerden kaynaklanmaktadır. Yerel öznitelik tabanlı yüz tanıma, örtüşmelerden ve ifadelerden kaynaklanan görünüm değişimlerine daha az hassas olduğu için bütünsel tabanlı yaklaşımlardan daha iyi sonuçlar göstermiştir. Bu tezde, gerçek-dünya koşulları altında güvenli bir şekilde çalışan yerel görünüm tabanlı bir yüz tanıma algoritması önerilmektedir. Önerilen algoritma, yüz imgelerini temsil etmek için farklı yerel görünüm modelleri kullanmaktadır. Sistem yüz imgelerini güçlü bir biçimde temsil etmeleri dolayısıyla yüzsel imge analizinde yaygın olarak kullanılan Gabor özniteliklerinden faydalanmaktadır. Klasik Gabor özniteliklerinin yanı sıra eğrisel Gabor özniteliklerinden de yararlanılmıştır. Sistem çoklu Gabor sınıflandırıcılarının seçilmesine ve birleştirilmesine odaklanmıştır. Son büyük Gabor sınıflandırıcısı, SFFS tabanlı sınıflandırıcı seçme algoritması kullanılarak seçilen sınıflandırıcıların LLR tabanlı tümleştirme ile birleştirilmesiyle elde edilmiştir. Ek olarak, sistem DCT özniteliklerini ekstra bulgu olarak kullanmaktadır. Son olarak, farklı yerel temsiller üzerinde eğitilen sınıflandırıcılar, PLSR tabanlı tümleştirme ile skor seviyesinde birleştirilmiştir. Sistem FRGC veritabanı 2.0 sürümü Deney 4 üzerinde test edildiğinde %0.1 yanlış kabul oranınında %94.16 doğrulama oranı yakalayarak literatürde şimdiye kadar raporlanan en yüksek başarımı elde etmiştir.
Özet (Çeviri)
Face recognition is a popular research area due to its scientific challenges and potential applications. Therefore, it attracts attention from both diverse research communities and the industry for several years. Various techniques have been intensively investigated to provide a robust face recognition system. Many of these techniques have already achieved very high recognition accuracies under controlled conditions. On the other hand, face recognition under uncontrolled conditions is still a very hard problem. The difficulty arises from facial appearance variations caused by various factors, such as expression, illumination and partial occlusion, and the time gap between training and testing data capture. Face recognition based on local features usually outperforms holistic approaches because local representation is less sensitive to appearance variations caused by occlusions and facial expressions. In this thesis, a local appearance based face recognition algorithm, which works reliably under real-world conditions, is proposed. The proposed algorithm uses different local appearance models to represent face images. Fundamentally, it exploits Gabor features that have been extensively used for facial image analysis due to their powerful representation capabilities. It utilizes curvature Gabor features in addition to conventional Gabor features. The system focuses on selecting and combining multiple Gabor classifiers. The final Gabor classifier is obtained by LLR-based fusion of classifiers that are selected using SFFS-based classifier selection algorithm. In addition, the system uses DCT features as extra evidence. Finally, classifiers trained on different local representations are combined at score-level by PLSR-based fusion. The system is evaluated on FRGC version 2.0 Experiment 4, and achieves 94.16% verification rate @ 0.1% FAR, which is the highest accuracy reported on this experiment so far in the literature.
Benzer Tezler
- Trakya'nın geleneksel kutlamaları, şenlikleri ve görsel kimliği (Bocuk, Kalogeros, Koleda, Anastenaria, Kukeri ve diğerleri)
Başlık çevirisi yok
BİLLUR OCAK
Yüksek Lisans
Türkçe
2021
Halk Bilimi (Folklor)Trakya ÜniversitesiGörsel Kültür Ana Bilim Dalı
PROF. DR. ENGİN BEKSAÇ
- A transformer-based approach for fusing infrared and visible band images
Kızılötesi ve görünür bant görüntülerin birleştirilmesi için transformer tabanlı bir yaklaşım
AYTEKİN ERDOĞAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiModelleme ve Simülasyon Ana Bilim Dalı
DOÇ. DR. ELİF SÜRER
DOÇ. DR. ERDEM AKAGÜNDÜZ
- Düşük çözünürlüklü yüz görüntülerinin yerel zernike momentleri yöntemi ile sınıflandırılması
Classification of the low resolution face images by local zernike moments method
TOLGA ALASAĞ
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHİTTİN GÖKMEN
DOÇ. DR. MUSTAFA ERSEL KAMAŞAK
YRD. DOÇ. DR. SERAP KIRBIZ
- Digital map and gnss fusion to enhance localization for intelligent vehicle applications
Akıllı araç uygulamalarında daha iyi konumlandırma için sayısal harita ve gnss füzyonu
ALİ UFUK PEKER
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. HÜSEYİN LEVENT AKIN
PROF. DR. OĞUZ TOSUN
- Facial age estimation
Yüz yaş tahmini
FATIMA BALARABE ILYASU
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiBahçeşehir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Prof. Dr. ÇİĞDEM EROĞLU ERDEM