K-NN sınıflandırma yöntemine dayalı gri seviyeeşdizimlilik matrısı ve momentum özellikleri ileyüzdeki duyguyu tanıma
Recognizing the emotion in the percent with the graylevel cosystality matrix and momentum propertiesbased on the K-NN classification method
- Tez No: 689783
- Danışmanlar: DR. ÖĞR. ÜYESİ ÜMİT TOKEŞER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Kastamonu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 49
Özet
Bu tezde yedi farkı duygusal durumu sınıflayacak topluluk yöntemleri fikrine dayalı olan bir yüzdeki duyguyu tanıma yaklaşımını sunduk. Olasılıksal füzyon algoritmasının yanı sıra eylem birimleri ve anahtar nokta özellik konumları yüz ifadeleri üzerinden yedi temel duyguyu tanımamızı sağlıyor. Her bir numuna nötr, neşe, hüzün, öfke, şaşkınlık, korku veya tiksinme olarak etiketlenmiştir. İki tip yüz özelliği, eylem birimleri ve özellik noktası konumlarını çıkaran ayrı sinir ağı sınıflandırıcıları ölçekli birleşik geri yayılım algoritmasıyla birlike eğitilir. Sistemimizin performansını iyileştirmek için karar seviyesi füzyon gerçekleştirildi. Sınıflandırma için K-NN kullanıldı. ANAHTAR KELİMELER: Yüz Duygusu Tanılama, K-NN, Özellik Çıkarımı Temmuz 2021, 41 Sayfa,
Özet (Çeviri)
In this thesis, we present an approach to recognizing emotion in a face, based on the idea of ensemble methods to classify seven different emotional states. In addition to the probabilistic fusion algorithm, action units and key point feature positions allow us to recognize seven basic emotions through facial expressions. Each sample is labeled as neutral, joy, sadness, anger, surprise, fear, or disgust. Separate neural network classifiers that extract two types of face features, action units, and feature point locations are trained together with a scaled combined backpropagation algorithm. Decision level fusion was performed to improve the performance of our system. K-NN was used for classification. KEYWORDS: Facial Emotion Detection, K-NN, Feature Extraction July 2021, 41 Page,
Benzer Tezler
- Deep feature transfer from deep learning models into machine learning algorithms to classify COVID-19 from chest X-ray images
Göğüs röntgeni görüntülerinden COVID-19 sınıflandırması yapmak amacıyla derin öğrenme modellerinden makine öğrenmesi algoritmalarına derin öznitelik aktarımı
OZAN GÜLDALİ
Yüksek Lisans
İngilizce
2021
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL İNAN
- Parkinson's disease diagnosis by using autoencoder based on deep neural network (DNN) and metaheuristic method
Derin sinir ağına dayalı otokodlayıcı ve metasezgisel yöntem ile parkinson hastalığının teşhisi
BEYHAN GERGERLİ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH VEHBİ ÇELEBİ
- Evaluation of a fuzzy logic based computer aided diagnosis system for chest x-ray nodule detection and characterization
Akciğer grafisinde nodüllerin belirlenmesinde ve sınıflandırılmasında bulanık mantığa dayalı bilgisayar destekli tanı sisteminin değerlendirilmesi
NURHAN ÖZTÜRK
Yüksek Lisans
İngilizce
2015
BiyomühendislikBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALBERT GÜVENİŞ
- Gait-based gender classification using neutral and non-neutral gait sequences
Nötr veya nötr olmayan ardaşık yürüyüş tarzlarından davranış bağımlı cinsiyet klasifikasyonu
ZHYAR QAHHAR MAWLOOD
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik MühendisliğiHasan Kalyoncu ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. CELAL KORAŞLI
DR. AZHIN TAHİR SABIR
- Voice recognition system with score level fusion methods and embedded system design
Skor seviyesi füzyon metotları ile ses tanıma sistemi ve gömülü sistem tasarımı
CİHAN AKIN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. MÜRVET KIRCI