Evrişimli sinir ağları ile çevrimdışı imza tanıma ve doğrulama
Offline signature recognition and verification with convolutional neural networks
- Tez No: 605782
- Danışmanlar: DOÇ. DR. YUSUF SÖNMEZ
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Adli Bilişim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 97
Özet
Bu çalışmada evrişimli sinir ağı kullanılarak çevrimdışı imza doğrulaması yapılmıştır. Çalışmada İran kökenli UTSig imza veri tabanı kullanılmış ve yeni bir evrişimli sinir ağ mimarisi önerilmiştir. Önerilen ağ Tensorflow kütüphanesi ve Keras API arayüzü kullanılarak Pyhton programlama dilinde oluşturulmuştur. Çalışmada öğrenme doğruluğunun artırılması amaçlanmış ve bunun için orijinal verilere arttırma, seyreltme ve düzeltme teknikleri uygulanmıştır. Sonuçlar önerilen ağın VGG-16 ve LeNet ağ mimarileri ile karşılaştırıldığında daha iyi sonuçlar verdiğini göstermiştir. Ayrıca orijinal veri setinin arttırılması ve uygulanan diğer teknikler önerilen ağın daha iyi sonuçlar vermesini sağlamıştır. Tezin 1. bölümü giriş bölümü olup, 2. bölümünde derin öğrenme, imza tanıma ve doğrulama üzerine yapılmış çalışmalardan bahsedilmiş, 3. ve 4. bölümlerinde yapay zeka, derin öğrenme üzerine yapılan araştırmalara ve bilgilere yer verilmiş, 5. bölümde ise evrişimli sinir ağları ve bu alanda başarılar elde eden AlexNet, VGG-16, GoogleNet gibi mimariler incelenmiştir. Ayrıca 5. bölümde bu tez çalışmasında oluşturulan hibrid ağ mimarisinin detaylarına yer verilmiştir. Tezin 6. bölümünde uygulama ve deneysel sonuçlar açıklanmıştır. Sonuç ve öneriler 7. bölümde sunulmuştur.
Özet (Çeviri)
In this study, offline signature verification has been realized by using Convolutional Neural Network (CNN). Persian Offline Signature Dataset (UTSig) has been used in the implementation and a new CNN structure has been proposed to signature verification. The proposed network was created by Keras API and Tensorflow backend with Python programming language and tested with UTSig open access signature dataset. In the study, increasing the learning accuracy is aimed and in order to achieve this, augmentation, dropout and regularization techniques have been applied to original data. Results obtained from original and augmented data are compared.First results show that the proposed network produces better results comparing to VGG-16 and LeNet. Moreover, augmentation and other techniques on the original dataset conduced to more accurate result for proposed network. The first part of the thesis is the introductory part. In the second part, studies on deep learning, signature recognition and verification are mentioned, in the 3rd and 4th chapters artificial intelligence, researches and information on deep learning are given. AlexNet, VGG-16 and GoogleNet have been successful in this field. In addition, the details of the hybrid network architecture created in this thesis are given in chapter 5. In chapter 6 of the thesis, applications and outputs are given. In Chapter 7, conclusions and recommendations are given.
Benzer Tezler
- Analysis of network security using machine learning methods
Makine öğrenmesi yöntemleri kullanılarak ağ güvenirliği analizi
MARYAM SALATI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İMAN ASKERBEYLİ
- Güç sistemlerinde geçici hal kararsızlığının ve gelişiminin derin öğrenme ve karar ağacı tabanlı yöntemler ile geniş alan ölçümlerine dayalı olarak erken kestirimi
Wide area measurement based early prediction of power system transient instability and its evolution using deep learning and decision tree based algorithms
MERT KESİCİ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Generative adversarial networks based level generation for angry birds
Çekişmeli üretici ağlar ile angry birds bölümlerinin üretilmesi
BURKAN YILMAZ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı
DOÇ. DR. SANEM SARIEL UZER
- Towards adaptive brain-computer interfaces: Statistical inference for mental state recognition
Uyarlanabilir beyin-bilgisayar arayüzlerine doğru: Zihinsel durum tanıma için istatistiksel çıkarım
MASTANEH TORKAMANI AZAR
Doktora
İngilizce
2020
BiyomühendislikSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜJDAT ÇETİN
Prof. Dr. SELİM SAFFET BALCISOY
- Yeni nesil haberleşme sistemlerinde derin öğrenme tabanlı sezici tasarımı ve başarım analizi
Deep learning based detector design and performance analysis in new genration communication systems
AHMET EMİR
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKAN KAYA