Geri Dön

Multi-scale binary similarity a local binary pattern variant for face recognition

Çok ölçekli ikili benzerlik yüz tanıma için yerel ikili örüntü varyantı

  1. Tez No: 524546
  2. Yazar: AHMET TAVLI
  3. Danışmanlar: YRD. DOÇ. MUSTAFA FURKAN KIRAÇ, DOÇ. DR. HÜREVREN KILIÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Özyeğin Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 98

Özet

Yüz tanıma problemi üzerine kırk yıldan fazla bir süre çalışılmaktadır ve bu problemi çözmek için birçok algoritma ve sinir ağ yapısı önerilmiştir. Yüz tanımadaki amaç oldukça basittie, eğer önerilen metod, aynı kişiye ait eğitim ve test setlerinden alınmış örneklerden çıkarılan özellikleri aynı etiket altında kategorize edebiliyorsa, bu o algoritmanın doğruluğunu gösterir. Öte yandan problem ise resimler üzerindeki ışıklandırma efekti ile başlar. Işıklandırma efekti, aynı kişiye ait iki farklı örnekten çıkarılmış özellikleri farklı etiket altında kategorize edilmesine, bu resimleri farklı kişilere aitmiş gibi gösterilmesine sebep olabilir. Bu yüzden doğru sınıflandırma yapabilmek için, ışıklandırma ve diğer çevresel etkiler ortadan kaldırılmalıdır. Çevresel etkilerin ortadan kaldırılması için bir çözüm yerel ikili örüntü (LBP) algoritmasını kullanmaktır. LBP ışıklandırma efektinden etkilenmeyen, kolay hesaplanabilen, örneklerden çıkarılan özellikleri başarılı bir şekilde ayırt edebilen bir görsel anahtar nokta tanımlayıcıdır. Bu yüzden LBP temelli tanımlayıcılar yirmi yılı aşkın süredir, yüz tanıma problemini çözmek için geliştirilmektedir. LBP'nin kolay hesaplanabilme özelliği onun farklı problemlere uygulanabilir olmasını sağlamıştır, hatta LBP türevlerinin farklı uygulamalarda en iyi sonuçu aldığı veya LBP ile birlikte kullanılarak, LBP'nin sınıflandırma doğruluğunu artırdığı çok örnek vardır. Bu sonuçlardan esinlenerek, bu tezde, bir LBP varyantı tanımlayıcı olan Çok Ölçekli İkili Benzerlik algoritması (ÇÖİB) önerilmiştir. ÇÖİB tanımlayıcı algoritması, yüz resmindeki karakteristiği, seçilen alanlar içerisindeki, pikseller arasındaki ilişkiyi kodlayarak ortaya koyar. ÇÖİB'in çıkardığı özellikler, Destek Vektör Makinesi (SVM) ile eğitilmiştir ve AT&T, Extended Yale B, Georgia Tech veristeleri ile test edilmiştir. Sonuç olarak ÇÖİB algoritması, literatürdeki önerilmiş yaklaşımların çoğundan daha iyi sınıflandırmıştır.

Özet (Çeviri)

Face recognition problem has been studying for more than four-decade, and many descriptors and neural network architectures were proposed. The aim is simple, extract features from the same subjects for training and test face image sets, if the proposed method was accurate, the extracted features categorized under the same label. However, the problem starts with the illumination effect on the images; the illumination effect may cause the extracted features for the same subject to be classified with the different labels. Therefore, illumination and other environmental impacts should be removed for accurate classification. One solution for eliminating environmental effect is using Local Binary Pattern (LBP) descriptor. LBP is an illumination invariant, computationally simple, and highly discriminative visual descriptor. Therefore, LBP based descriptors have been developing for more than a two-decade for solving face recognition problem. LBP′s computationally simple property make it applicable to different types of computer vision problems, also there are many examples of LBP variants either achieved state-of-the-art results in a particular application or complementary to the LBP. Having been inspired from the results, in this thesis, an LBP variant descriptor, Multi-scale Binary Similarity approach is proposed. MSBS encodes face image characteristic by analyzing the pixel relationships in selected components. The encoded features of the MSBS trained with Support Vector Machines (SVM) and tested with AT&T, Extended Yale B, Georgia Tech and MNIST datasets. The results show that MSBS outperforms most of the proposed approaches in the literature.

Benzer Tezler

  1. Image area reduction for efficient medical image retrieval

    Başlık çevirisi yok

    ZEHRA ÇAMLICA

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    University of Waterloo
  2. Video processing algorithms for wildfire surveillance

    Orman yangını gözetleme amaçlı video işleme algoritmaları

    OSMAN GÜNAY

    Doktora

    İngilizce

    İngilizce

    2015

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. A. ENİS ÇETİN

  3. Dalgacık dönüşümündeki yerel tepe değerlerinden görüntü geriçatma ve sıkıştırma

    Image reconstruction from the wavelet maxima and coding

    HÜSEYİN ERGÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHİTTİN GÖKMEN

  4. Stochastic bitstream-based vision and learning machines

    Stokastik bit akışı tabanlı görü ve öğrenme makineleri

    SERCAN AYGÜN

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ECE OLCAY GÜNEŞ

  5. Rekabetçi toplu taşıma sistemi için çok amaçlı ve çok türlü ağ tasarım modeli önerisi

    Multi-objective and multi-modal network design model for a competitive public transportation system

    MEHMET METİN MUTLU

    Doktora

    Türkçe

    Türkçe

    2021

    UlaşımEge Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YALÇIN ALVER