Derin sinir ağlarının füzyonu ile yüz imgelerinden yaş grubu ve cinsiyet sınıflandırma
Age group and gender classification with facial images based on deep neural network fusion
- Tez No: 573024
- Danışmanlar: DOÇ. DR. İBRAHİM YÜCEL ÖZBEK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Derin öğrenme, Deep learning
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Haberleşme Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde akıllı uygulamaların her geçen gün daha fazla artması, sistemlerin bazı özelliklerden otomatik olarak çıkarım yapmalarına zemin hazırlamış ve araştırmaları da bu alana kaydırmıştır. İnsan yüzü bu açıdan önem arz etmektedir. Çünkü içerisinden duygu, ifade, yaş ve cinsiyet gibi birçok özellik elde edilebilir. Bu çalışmamızda yüz imgelerinden yaş ve cinsiyet sınıflandırma üzerine çalışmalar yaptık. Sınıflandırma işlemi için Adience veri setini kullanıldı ve çeşitli derin sinir ağlarını oy çokluğu ile füzyon edildi. Veri setinde filtreleme yapılmamış gerçek hayattaki fotoğraflardan oluşturulmuş ve bu sebeple de içerisinde görüntü kalitesi düşük, gürültü seviyeleri yüksek imgeler bulunmaktadır. Bu zorluklara rağmen yüksek başarımlı sonuçlara ulaşılmıştır. Oy çokluğu yöntemi ile test edilen yöntemler füzyon edilip bu füzyon çıktısı gerçek değerlerle karşılaştırılmıştır. Cinsiyet sınıflandırmada %92.29, yaş grubu sınıflandırmada %60,26 başarı elde edilmiştir.
Özet (Çeviri)
Nowadays, the increasing number of smart applications has prepared the ground for the systems to make some inferences automatically and the research has been shifted to this field. The human face is important in this respect. Because many features such as emotion, expression, age and gender can be obtained. In this study, we conducted studies on age and gender classification from face images. Adience data set was used for classification and various deep neural networks were fused by majority. The data set is composed of real-life photos without filtering and therefore contains images with low image quality and high noise levels. Despite these difficulties, high performance results have been achieved. The methods tested by majority vote were fused and this fusion output was compared with the actual values. 92.29% success was achieved in gender classification and 60.26% success in age group classification.
Benzer Tezler
- Facial expression analysis foran online usability evaluation platform
Çevrimiçi kullanılabilirlik değerlendirme platformu için yüz ifadesi analizi
ALİ AZMOUDEH
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Fusion of RGB and thermal image pairs for object and face liveness detection
Nesne ve yüz canlılığı tespiti için RGB ve termal görüntü çiftlerinin birleştirilmesi
MERVE ERŞAN
Yüksek Lisans
İngilizce
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
- Mobil telefon kullanımına bağlı oluşan 900-1800 mhz radyo frekans dalgalarının meydana getirdiği elektromanyetik alanın iliak kanat kemik mineral yoğunluğuna etkisi
The effect of electromagnetic fields on bone mineral density of iliac bone produced by 900-1800 mhz radio frequency waves dependent on cellular phone usage
BEŞİR ANDAÇ AKSOY
Tıpta Uzmanlık
Türkçe
2006
Ortopedi ve TravmatolojiSüleyman Demirel ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF.DR. NEVRES HÜRRİYET AYDOĞAN
- Davranışsal ve fiziksel multi-biyometri ile kişi kimliklendirme ve hareket tanıma üzerine yaklaşımlar
Approaches to person identification and motion recognition with behavioral and physical multi-biometrics
ONUR CAN KURBAN
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- Distracted driver detection by combining sensor and image data using deep learning
Derin öğrenme ile sensör ve görüntü verilerini kullanarak dikkati dağılmış sürücü tespiti
FURKAN ÖMERUSTAOĞLU
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEMAL OKAN ŞAKAR
DR. ÖĞR. ÜYESİ GÖRKEM KAR