Blood veins based palm recognition using deep learning paradigm
Başlık çevirisi mevcut değil.
- Tez No: 672309
- Danışmanlar: PROF. DR. OĞUZ BAYAT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Avuç içi tanıma, çok sayıda önemli özelliği dahil etmek için kişisel tanımlamada kullanılan hayati biyometrik tanıma yaklaşımlarından biridir. Palm görüntüsü, özellik çıkarma işleminde ön işlemden sonra kullanılabilir. Avuç içi boyutuna benzer özellikler, avuç içi ten rengi, avuç içini tanımak için olağanüstü özellikler olarak kullanılmıştır. Bu tür tanıma sisteminde, adaylar avuç içi izlerini (hangisi sağ veya sol avuç içi olursa olsun) isteyebilirler. Avuç içi baskılar genellikle avuç içi sensörü (tarayıcı) veya kameralar kullanılarak sisteme alınır. Bu projede, avuç içi görüntüleri, tüm avuç içi görüntüleri (adaylar) için aynı yön ve yönleri sağlayarak, her aday avucunu bir çimdik işareti düşmanı içine yerleştirdikten sonra bir kamera kullanılarak kaynaklanmaktadır. Bazı tanıma sistemlerinde gerçekleştirilen bir diğer özellik de akıllı sensörün görüntüyü doğru bir şekilde almak için kullanılmasıdır. Bu tür sensörler, belirlenmiş konfigürasyonlarına göre görüntüleri düzeltme (bir ön işleme gerçekleştirme) olanağına sahip olabilir. Bu projede, avuç içi tabanlı kişisel doğrulama sistemi uygulandı ve çevrimiçi görüntü portalından (PCOE) sağlanan büyük avuç içi görüntü veri setine dayanıyordu. Ancak, avuç içi veri seti PCOE'den indirilir ve avuç içi tanıma sisteminin sonraki adımlarında kullanılır. 112 adayın (erkek ve kadın) sağ avuç içi görüntüleri çekiliyor. Hiçbir yaş sınırlaması uygulanmadı, bu da çalışmaya tüm yaş kategorilerinin dahil edildiği anlamına geliyor. Bu nedenle, her adayın sağ elini bir avuç içi tutucuya yerleştirmesi istendiğinden, avuç içi toplama PCOE tesislerinde gerçekleştirildi. Avuç içi verileri ayrıca makine öğrenimi ve derin öğrenme paradigmaları kullanılarak sınıflandırılır. Uzun kısa süreli hafızalı sinir ağı, avuç içi özelliklerinde kimlik tabanını tahmin etmede daha iyi performans gösterdi, LSTM yüzde 90'a eşit tanıma doğruluğu ile gerçekleştirildi.
Özet (Çeviri)
Palm recognition is one of the vital biometric recognition approaches which is used in personal identification for including a large number of paramount features. Palm image can be used after preprocessing in features extraction process. Features alike palm size, palm skin color has been used as outstanding attributes to recognize the hand palm. In such recognition system, candidates may ask to provide their palm print (whichever right or left palm). Palm prints are usually taken into the system using palm sensor (scanner) or cameras. In this project, palm images are resourced using a camera after each candidate placed his/her palm inside a pinch mark foe ensuring same orientations and directions for all palm images (candidates). Another attribute that realized in some recognition systems is the utilization of smart sensor to intake the image accurately. Such sensors may have the facility to correct the images (performing a preprocessing) according to its designated configurations. In this project, palm based personal verification system was implemented and based on big palm image dataset that resourced from online image portal (PCOE). However, palm dataset is downloaded from PCOE and used in the further steps of palm recognition system. A right hand palm images are being captured for 112 candidates (males and females). No age rustications were enforced which means all age categories were involved in the study. Hence, palm collection was performed inside PCOE premises as each candidate is asked to place his/her right hand inside a palm place holder. The palm data is further classified using machine learning and deep learning paradigms. Long short term memory neural network has outperformed in prediction the identity base on palm features, LSTM is realized with accuracy of recognition equal to 90 percent.
Benzer Tezler
- Hemodynamic characterization of heart and venous valves based on multi-phase blood flow and FSI modelling
Çok fazlı kan akışı ve FSI modellemesine dayalı kalp ve venöz kapakçıkların hemodinamik karakterizasyonu
REZA DARYANI
Doktora
İngilizce
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA SERDAR ÇELEBİ
- Tissue engineering of small diameter vascular grafts by using PCL/collagen based scaffolds
Polikaprolakton/kolajen temelli yapay damarların doku mühendisliği yöntemiyle üretilmesi
SEPREN ÖNCÜ
Yüksek Lisans
İngilizce
2013
BiyomühendislikOrta Doğu Teknik ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. VASIF NEJAT HASIRCI
- Two-phase blood flow modelling for deep vein thrombosis
Derin ven trombozu için iki fazlı kan akışı modellemesi
UTKAN ÇALIŞKAN
Yüksek Lisans
İngilizce
2017
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiHesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)
PROF. DR. MUSTAFA SERDAR ÇELEBİ
- Development of small molecule and CRISPR based approaches in endothelial cell growth
Endotel hücre büyümesinde küçük molekül ve CRISPR temelli yaklaşımların geliştirilmesi
SEZER AKGÖL
Yüksek Lisans
İngilizce
2020
BiyoteknolojiYeditepe ÜniversitesiBiyoteknoloji Ana Bilim Dalı
DOÇ. DR. FATİH KOCABAŞ
- Heteregeneous computing for multi-phase blood flow simulations
Çok-fazlı kan akış simülasyonları için heterojen hesaplama
MEYSAM ABOUTALEBI
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)
PROF. DR. MUSTAFA SERDAR ÇELEBİ