Evrişimsel sinir ağları kullanarak parmak ucu görüntülerinden cinsiyet tahminlemesi
Gender prediction from fingertip images using convolutional neural networks
- Tez No: 671179
- Danışmanlar: PROF. DR. PAKİZE ERDOĞMUŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Düzce Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Son yıllarda günlük hayatımıza birçok yenilik getiren ve araştırmacılara yeni çalışma alanları oluşturan yapay zekâ teknolojisinin önemi gün geçtikçe artmaktadır. Cinsiyet sınıflandırma konusu da yapay zekâ alanının önemli bir araştırma konusudur. Yüz, vücut hatta parmak izi görüntülerinden cinsiyet tahmini üzerine çalışmalar yapılmıştır. Ayrıca günümüzde biyometrik tanıma sistemleri insanların parmak izlerini, yüzünü, irisini, avuç içi izlerini, imzasını, DNA ve retinasını belirleyebilecek seviyelere çıkmıştır. Çalışmada yeni bir biyometrik sistem oluşturulmasına olanak sağlayacak bir yöntem önerilmiştir. Bu çalışmada parmak ucu görüntülerinden cinsiyet sınıflandırma üzerine çeşitli modeller eğitilip, denemeler yapılmıştır. Çalışmada hazır bir veri seti kullanılmayıp 200'den fazla kişiden parmak görüntüsü toplanmıştır. Toplanan görüntülere döndürme, kesme ve arka plan azaltma işlemleri uygulanıp eğitim için hazır hale getirilmiştir. Yapılan çalışmada 4 farklı ağ modeli oluşturulmuştur. Bu modellerde veri artırma işlemleri ve transfer öğrenme kullanılmıştır. Kısıtlı bir alanda çalışma yapmak, her görüntünün kalitesinin ve açılarının farklı olmasına rağmen oluşturduğumuz model yüksek başarımlı sonuçlara ulaşmıştır. Bu çalışmada önerilen model %86,39 başarım oranına sahiptir.
Özet (Çeviri)
Bringing several innovations to our daily life, the importance of artificial intelligence technology has been increasing day by day and has created new fields for researchers. Gender classification is also an important research topic in the field of artificial intelligence. Studies on gender prediction from face, body and even fingerprint images have been done. In addition, today, biometric recognition systems have reached levels that can determine people's fingerprints, face, iris, palm prints, signature, DNA and retina. In this study, various models were trained and tested on gender classification from fingertip images. In the, a ready data set was not used and finger images were collected from more than 200 people. Rotation, cutting and background reduction are applied to the collected images and made ready for the training. 4 different network models were set in the fieldwork. Data augmentation and transfer learning were used in these models. Working in a limited area, the model we created has achieved high performance results, for all that the quality and angles of each image are different. The model proposed in this scientific study has an achievement drive of 86.39%.
Benzer Tezler
- Machine state detection by CNN on a low power microcontroller
Düşük güçlü mikro denetliyicide evrişimsel sinir ağları kullanarak makine durum tespiti
DORUK ERDEMGİL
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA GÜNDÜZALP
- Evrişimsel sinir ağlarını kullanarak işaret dili görüntülerinin sınıflandırılması
Image classification for sign language usingconvolutional neural network
KHALED MOHAMED ABUBAKER ELBAYOUDI
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÜMİT TOKEŞER
- Evrişimsel sinir ağları kullanılarak video tabanlı izole işaret dili tanıma
Video-based isolated sign language recognition using convolutional neural networks
ALİ AKDAĞ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER KAAN BAYKAN
- CNN-based text-independent automatic speaker identification
Evrişimsel sinir ağı tabanlı metinden bağımsız otomatik konuşmacı tanılama
MANDANA FASOUNAKI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE
- Havada imza ve yüz tanımaya dayalı çoklu biyometrik sistem tasarımı
Multi-biometric system design based on in-air signature and face recognition
SERKAN SALTÜRK
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN KAHRAMAN