Geri Dön

Bilgisayar gÖrmesine dayalı ve evrişimsel sinir ağları kullanarak yaş ve cinsiyet tahmı̇nı̇

Age and gender prediction using computer vision and convolutional neural network CNN

  1. Tez No: 646948
  2. Yazar: ZINEB FATHI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SERAP KAZAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Sakarya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 63

Özet

İnsan yüzü; ifade, etnik kimlik, cinsiyet ve yaş gibi, kişi hakkında çok önemli niteliklere ve bilgilere sahiptir. İnsanoğlu bu bilgileri kolayca tespit edip analiz edebilir; örneğin insanların çoğu cinsiyet gibi insan özelliklerini kolayca tanıyabilir, kişinin sadece yüzünü görerek kadın ya da erkek olup olmadığını söyleyebilir. Aynı şekilde, kişinin yaşını belirleyebilir ve bu kişinin çocuk mu yoksa yetişkin mi olduğunu belirleyebilir. Öte yandan, insanları yüzlerinden tanımlamak, yaş ve cinsiyet bilgilerini çıkarmak için uygulamalar oluşturmak, modern dünyanın ihtiyaçları nedeniyle günlük hayatımızın birçok önemli alanında bağımlı olduğumuz bilgisayar vizyonu için zorlu bir görevdir. Bu çalışma, insanların yüzlerinden yaş ve cinsiyet tahminine yönelik derin bir öğrenme çözümüne odaklanmaktadır. Evrişimsel Sinir Ağları (CNN-Convolutunel Neurel Network) kullanarak IMDB-Wiki Veri Kümesi'nden transfer öğrenme ve ince ayar gerçekleştirilmektedir. İlk olarak, transfer modeli üç model olarak kullanılmıştır: Birinci model: Eğitilmesi daha hızlı olan ve görüntü sınıflandırması için kullanılan ImageNet veri kümesi ile önceden eğitilmiş olan MobileNet V2 modeli. İkinci model: Bir CNN türü olan Inception V3 modeli. Bu model Birçok evrişim ve maksimum havuzlama katmanından oluşur. Her iki model de Keras uygulamasidir. Ve son model bazı değişiklikleri kapsayan SSR- Net mimarisidir.

Özet (Çeviri)

There are considerable quantities of available data about a person like human face such as age, gender, ethnic background and facial expressions). Humans can easily identify and analyze this information, for example, most people can recognize human characteristics, such as gender, where they can only see their face and tell if they are men or women. In the same context, they can figure out someone's age including determining if this person is still a child or became an adult. Additionally, it is challenging for the computer to build applications that could recognize people's faces and determine their age and gender in which the modern world will depend on many important aspects of our daily life to create a general model that fits all humans. This study focuses on a deep learning solution for predicting age and gender from people's faces. We perform transfer learning and fine tuning from the IMDB-Wiki Dataset using Convolutional Neural Networks (CNN). First, we use the transfer model using three models: the MobileNet V2 model, which is faster to train and is pre-trained with the ImageNet dataset for image classification. The second model, Inception V3 it consists of many convolution and maximum pooling layers. Both models are from Keras application. And we follow the SSR-Net architecture, which is the default for the latest training, with some change

Benzer Tezler

  1. Derin öğrenme ile cerrahi video anlama

    Surgical video understanding with deep learning

    ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU SARIKAYA

  2. Cross-dataset person re-identification

    Çapraz veri küme kişiyi yeniden tanıma

    ANIL GENÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAZIM KEMAL EKENEL

  3. Application of data mining techniques in software engineering

    Yazılım mühendisliğinde veri madenciliği tekniklerinin uygulanması

    ELİFE ÖZTÜRK KIYAK

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DERYA BİRANT

  4. Görüntü tabanlı tümleşik uydu yönelim belirleme

    Image based integrated satellite attitude determination

    YUNUS BUĞRA ÖZER

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YAKUP SABRİ ÖZKAZANÇ