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: Belirtilmemiş.
- 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: 81
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
- 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
- Multimedia data modeling and semantic analysis by multimodal decision fusion
Çoklu karar füzyonu ile medya veri modelleme ve anlamsal bölümleme
MENNAN GÜDER
Doktora
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FEHİME NİHAN ÇİÇEKLİ
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- Veri füzyonu ve derin öğrenme yöntemi kullanılarak yapısal sağlık izleme sistemi geliştirilmesi
Development of structural health monitoring system using data fusion and deep learning method
SONGÜL DEMİRTAŞ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiAkdeniz ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖVÜNÇ POLAT
- Developing hybrid deep learning models with data fusion approach for electricity consumption forecasting
Elektrik tüketim tahmini için veri füzyonu yaklaşımı ile hibrit derin öğrenme modellerin geliştirilmesi
SERKAN ÖZEN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET VOLKAN ATALAY
PROF. DR. ADNAN YAZICI