Derin sinir ağları kullanarak parmak izi tanımada yeni yaklaşımlar
New approaches to fingerprint recognition using deep neural networks
- Tez No: 513777
- Danışmanlar: DOÇ. DR. ALPER BAŞTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin sinir ağları, parmak izi tanıma, derin öğrenme, Deep neural networks, fingerprint recognition, deep learning
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 128
Özet
DERİN SİNİR AĞLARI KULLANARAK PARMAK İZİ TANIMADA YENİ YAKLAŞIMLAR Orhan KURBANOV Erciyes Üniversitesi, Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, Temmuz 2018 Danışman: Doç. Dr. Alper BAŞTÜRK ÖZET Bu tez çalışmasında derin sinir ağları kullanılarak parmak izi tanınması işlemi gerçekleştirilmiştir. Derin sinir ağı yapısını oluşturmak üzere iki adet özdevinimli kodlayıcı ve bir adet softmax sınıflandırıcı katman kullanılmıştır. Geliştirilen derin sinir ağı mimarisi grafik işlemci üzerinde eğitilmiş, böylece gereksinim duyulan süre azaltılmıştır. Kullanılan veri seti 165 farklı parmağa ait dörder adet parmak izi görüntüsünden oluşturulmuştur. Veri setindeki görüntüler ayrıca yedi farklı derecede döndürülerek hem sistemin farklı açılarda dönmüş parmak izi görüntülerini de tespit edebilmesi sağlanmış, hem de daha geniş bir veri kümesi elde edilmiştir. Genişletilmiş veri setindeki görüntüler farklı yönelme özelliklerine sahip Gabor süzgeçleri ile süzgeçlenerek literatürde“Fingercode”olarak bilinen parmak izi özellik vektörleri elde edilmiş ve bu özellik vektörlerinden oluşan veri seti kullanılarak derin sinir ağı eğitilmiştir. Sistem test edildikten sonra %98.31 oranında doğru tanıma başarısı elde edildiği gözlemlenmiştir. Elde edilen sonuçlar derin sinir ağlarının parmak izi tanımak üzere kullanılabileceğini göstermektedir. Ayrıca bu tez çalışmasında aynı veri seti destek vektör makineleri (SVM), k-en yakın komşular (KNN), Naive-Bayes sınıflandırıcısı (NB), karar ağacı öğrenme (DT) yöntemleri ile de test edilerek derin sinir ağları ile elde edilen sonuçlarla karşılaştırılmıştır. Sonuç olarak bu yöntemler içerisinde en başarılı sonuçların derin sinir ağları ile elde edildiği gözlemlenmiştir.
Özet (Çeviri)
NEW APPROACHES TO FINGERPRINT RECOGNITION USING DEEP NEURAL NETWORKS Orhan KURBANOV Erciyes University, Graduate School of Natural and Applied Sciences M.Sc. Thesis, July 2018 Supervisor: Assoc. Prof. Dr. Alper BAŞTÜRK ABSTRACT In this thesis, recognition of fingerprint images was performed by using deep neural networks. Two autoencoders and one softmax classifier were used to build the deep neural network structure. The developed deep neural network architecture was trained on the graphics processor, to reduce training time. The dataset used was created from four fingerprint images of 165 different fingers. Images in the dataset were also rotated by seven different angels, so that the system can detect fingerprint images that are rotated by different angles, moreover a larger dataset was obtained. Images in the expanded dataset were filtered with Gabor filters with different orientation properties. The fingerprint feature vectors obtained known as“Fingercode”in the literatüre. The deep neural network was trained using the data set consisting of these feature vectors. After the system has been tested, it was observed that 98.31% accuracy of correct recognition was achieved. The results showed that deep neural networks can be use for fingerprint recognition effectively. In this thesis, the same data set was also tested with support vector machines (SVM), k-nearest neighbors (KNN), Naive Bayes classifier (NB), decision tree learning (DT) methods. When the performance of these methods were compared, it was observed that the most successful results were obtained with the designed deep neural network structure.
Benzer Tezler
- Deep convolutional neural network based unconstrained ear recognition
Derin evrişimsel sinir ağı tabanlı kısıtsız kulak tanıma
FEVZİYE İREM EYİOKUR
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAZIM KEMAL EKENEL
- Algısal özet fonksiyonları tabanlı derin öğrenme yöntemleri kullanılarak imgelerin sınıflandırılması
Classification of images by using deep learning methods based on perceptual hash functions
FATİH ÖZYURT
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN AVCI
- Havada imza ve yüz tanımaya dayalı çoklu biyometrik sistem tasarımı
Multi-biometric system design based on in-air signature and face recognition
SERKAN SALTÜRK
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN KAHRAMAN
- Uzun kısa süreli bellek tipi derin sinir ağları ile konuşmacı tanıma
Speaker recognition with long short-term memory type deep neural networks
ERKAN GÜNERHAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEMAL KÖSE
- CNN-based text-independent automatic speaker identification
Evrişimsel sinir ağı tabanlı metinden bağımsız otomatik konuşmacı tanılama
MANDANA FASOUNAKI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE