Farklı derin evrişimsel sinir ağlarının yüz ifadesi tanıma işlemindeki karşılaştırılması
Comparison of different deep convulational neural networks in facial expression recognition process
- Tez No: 595405
- Danışmanlar: DOÇ. DR. HÜSEYİN GÜRÜLER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Yüz ifadeleri insanların birbirleri ile kurdukları iletişimde önemli bir rol oynar. Bu sebeple, derin öğrenme algoritmalarına dayalı yüz ifadesi tanıma yöntemleri son yıllarda çalışılmakta ve her geçen gün gelişmektedir. Bu tez çalışasında, kişilerin yüz ifadelerine dayalı duygusal durumları hakkında anlık bilgi edinmesini sağlamak için gerçek zamanlı yüz ifade tanıma sistemi geliştirilmiş ve sabit görüntülerde derin evrişimsel sinir ağlarının karşılaştırılması yapılmıştır. Bu kapsamda; öfke, tiksinme, mutluluk, üzüntü, şaşkınlık, korku ve nötr durum olmak üzere yedi evrensel duygu içeren veri seti önceden transfer öğrenmesi ile Imagenet veri setinde eğitilmiş derin evrişimsel sinir ağlarından Xception, ResNet50, DenseNet121, InceptionResNetV2 ve InceptionV3 yöntemlerine ince ayar (fine-tuning) yapılarak uygulamalar gerçekleştirilmiştir. InceptionResNetV2 geçerleme F1-skor oranı 70.88%, geçerleme hassaslık değeri 72.38%, geçerleme anma değeri 71.87%, geçerleme kaybında 14.04% ile diğer modellere kıyasla daha iyi sonuç vermiştir. Sonuç olarak, bu tez çalışması farklı derin evrişimsel sinir ağları yöntemlerinin sabit görüntülerin sınıflandırılmasına yönelik olarak performans analizini betimleyerek literatüre katkı sağlayacağı düşünülmektedir.
Özet (Çeviri)
Facial expressions play an important role in the communication that people establish with each other. For this reason, facial expression recognition methods based on deep learning algorithms have been studied in recent years and are improving day by day. In this thesis, real time facial expression recognition system has been developed to provide instant information about emotional states of people based on facial expressions and deep convolutional neural networks have been compared in fixed images. In this context; data set containing seven universal emotions including anger, disgust, happiness, sadness, confusion, fear and neutral state were utilized. The applications performed by fine-tune to Xception, ResNet50, DenseNet121, InceptionResNetV2 and InceptionV3 methods from preconfigured deep neural networks previously trained in ImageNet dataset. Transfer Learning. InceptionResNetV2 validity F1-score ratio 70.88%, validity sensitivity value 72.38%, validity rated value 71.87%, validity loss 14.04% compared to other models. In conclusion, it is thought that this thesis will contribute to the literature by describing the performance analysis of different deep convolutional neural networks for the classification of fixed images.
Benzer Tezler
- Yerel görünüm ve derin modeller kullanarak hibrit bir yüz tanıma yaklaşımı
A hybrid face recognition approach using local appearance and deep models
MERT ARI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- DA4HI: A deep learning framework for facial emotion recognition in affective systems for children with hearing impairments.
DA4HI: İşitme engelli çocuklar için duyuşsal sistemlerde yüzdeki duyguların tanınması maksadıyla geliştirilen derin öğrenme modeli.
CEMAL GÜRPINAR
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
PROF. DR. NAFİZ ARICA
- Automated learning rate search using batch-level cross-validation
Yığın seviyesinde çapraz geçerleme kullanarak otomatik öğrenme oranı araması
DUYGU KABAKCI
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE AKBAŞ
- Deep convolutional neural network based representations for person re-identification
Kişiyi yeniden tanıma için derin evrişimsel sinir ağı tabanlı modeller
ALPER ULU
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAZIM KEMAL EKENEL
- Score level multi cue fusion for sign language recognition
İşaret dili tanıma için sonuç seviyesinde çoklu ipucu kaynaşımı
ÇAĞRI GÖKÇE
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. LALE AKARUN ERSOY