Cross-age effect in artificial neural networks: A study on facial age recognition bias in artificial neural networks
Yapay sı̇nı̇r ağlarında yaşlar arası etkı̇: Yapay sı̇nı̇r ağlarında yüzsel yaş tanımlama sapmasına daı̇r bı̇r araştırma
- Tez No: 567324
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT PERİT ÇAKIR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişsel Bilim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 96
Özet
Yaşlar arası etki veya kendi-yaş sapması kişilerin yüzlerine bakılarak yaş tahmini yapılırken, tahmin yapan kişinin kendi yaşının yaptığı tahmini etkilediğini ve etki yönünün kişinin kendi yaşına doğru olduğunu öne süren bir görüngüdür. Bu görüngü üzerindeki önceki araştırmalarda bahsedilen etkinin var olduğu ve özellikle Adli Tıp'ta büyük hatalara yol açtığı belirtilmiştir. İki parçalı araştırmamızın ilk kısmında bu görüngü insanlar üzerinde iddia edilen etkinin var olup olmadığı yönünde sınanmıştır. Daha sonra bu etkinin yol açtığı hataların en aza indirilebilmesi için evrişimli sinir ağları kullanılarak yüz görüntüleri yaşlara göre sınıflandırılmıştır. İnsanlarla yapılan deneyde, katılımcılar yüz görüntülerinin yaşlarını tahmin etmiştir, yapay sinir ağları üzerinden yapılan deneyde ise bir evrişimli sinir ağları modeli gerçeklenerek aynı yüz görüntülerinin yaş tahminleri alınmıştır. İnsanlarla yapılan deneyde, katılımcıların yaş tahminleri ile yüz görüntülerinin asıl yaşları arasında güçlü bir doğrusal ilişki tespit edilmiştir. Korelasyon analizi yapılarak esas hata (tahmin edilen yaş – gerçek yaş) ve nesnel uzaklık (katılımcının yaşı – gerçek yaş) arasında pozitif bir ilişki bulunduğu tespit edilmiştir. Yapay sinir ağları deneyinde ise modelin yaş tahmin isabet performansının insan katılımcıların performansının üzerine çıktığı tespit edilmiştir. Ayrıca; gerekli girdi verisi ön-hazırlığı ile yaşlar arası etkisinin yapay sinir ağları yardımıyla azaltılabileceği ve insan hatasının önemli miktarda azaltılabileceği iddia edilmiştir.
Özet (Çeviri)
Simply put cross-age effect or own-age bias is the phenomenon that when guessing the age of individuals from their faces, it is claimed that the age of the individual who is guessing the facial age influences the guessing process, and the effect is towards to the age of the one who is guessing. Previous studies on the phenomenon acknowledges that such bias exists, and especially in forensics this bias can cause drastic faults. In our two-part study, firstly the phenomenon is investigated in humans to observe if such an effect exists, then it is tested if the error could be reduced via utilizing convolutional neural networks on face images and classify the face images with respect to their ages. For the human based experiment, participants rated facial images and for the neural network based experiment a convolutional neural network model was constructed and tested with same images. In human experiments, a strong correlation between participants' guesses and the real ages of the face images was observed. Correlation analysis yield that a positive relationship between error (guessed age – actual age) and objective distance (participant's age – actual age) exists, whereas almost zero correlation exists between error and perceived distance (participant's age – guessed age). Neural network experiment indicated that the neural network's age rating performance exceeded human performance. Moreover; it was claimed that with necessary pre-processing to the input data, cross-age effect can be deduced with neural networks and human error can be reduced significantly.
Benzer Tezler
- Karbon esaslı lifli polimerler (cfrp) ile güçlendirilmiş numunelerin kuşatma katsayısının yapay sinir ağları ve bulanık mantıkla belirlenmesinde sinir sayılarının-katmanlarının ve üyelik-durulaştırma fonksiyonlarının etkileri
Effect of number of neurons and layers in artificial neural network and membership and defuzzification functions on fuzzy logic for prediction of lateral confinement coefficient of carbon fiber reinforced polymer (cfrp) strengthened columns
ESENGÜL KAYNAR
Yüksek Lisans
Türkçe
2024
İnşaat MühendisliğiVan Yüzüncü Yıl Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MÜCİP TAPAN
DR. ÖĞR. ÜYESİ HASAN DİLBAS
- Yapay sinir ağları ve destek vektör makineleri ile kemik erimesinin teşhisi
Diagnosis of osteoporosis using artificial neural networks and support vector machines
MUSTAFA İSTANBULLU
Yüksek Lisans
Türkçe
2013
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SEDEF KENT
- Deep feature transfer from deep learning models into machine learning algorithms to classify COVID-19 from chest X-ray images
Göğüs röntgeni görüntülerinden COVID-19 sınıflandırması yapmak amacıyla derin öğrenme modellerinden makine öğrenmesi algoritmalarına derin öznitelik aktarımı
OZAN GÜLDALİ
Yüksek Lisans
İngilizce
2021
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL İNAN
- Otomobil sürücülerinin farklı trafik ve yol koşullarındaki bilişsel yüklerinin araştırılması
Investigation of drivers' cognitive loads in different traffic and road conditions
HİLAL ATICI ULUSU
Doktora
Türkçe
2024
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLİN GÜNDÜZ
- Kırklareli'nde 2010-2014 yılları arasında kardiyovasküler ve solunum sistemi hastalıkları nedeni ile acil polikliniklere başvuruların ve ölümlerin hava kirliliği ve meteorolojik parametreler ile ilişkisi
The relationship between the meteorological parameters and air pollution, and the deaths and emergency department admissions because of cardiovascular diseases and respiratory diseases in kirklareli in 2010-2014
YELİZ MERCAN
Doktora
Türkçe
2016
Halk Sağlığıİstanbul ÜniversitesiHalk Sağlığı Ana Bilim Dalı
PROF. DR. SENİHA BİLGE HAPCIOĞLU