Detection of facial features using statistical machine learning and modified adaboost classifier
İstatistik makine öğrenimi ve değiştirilmiş adaboost sınıflayıcıyla yüz özelliklerinin tespiti
- Tez No: 696503
- Danışmanlar: YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 59
Özet
Sınıflandırma modülleri, çoklu ve çeşitli uygulamalarda kullanılabilir. Bu çalışmanın genel amacı, istatistiksel öğrenme algoritmaları kullanarak yüz özelliklerinin sınıflandırılmasıdır, bu, bir yüzde bulunabilecek mümkün olan en fazla sayıda özelliği, önsel kullanmadan, yalnızca görüntü örneklerini kullanarak tespit edebilmek ve sınıflandırabilmek anlamına gelir. verilen özellikler hakkında bilgi yok. Mevcut çalışmada, en önemli olarak kabul edilen özelliklerin dedektörleri ve sınıflandırıcıları geliştirildi, Ağız algılamada %99'dan fazla algılama oranları ve manuel ağız işaretleme hatasıyla karşılaştırılabilir hatalarla mükemmel sonuçlar rapor edildi. Lens sıralayıcı ayrıca, kontrollü ortamlara sahip veritabanları için %95 ve kontrolsüz ortamlara sahip veritabanları için %90'lık algılama oranlarıyla mükemmel sonuçlar elde etti. Ağız dedektörü kullanıldıktan sonra sakal ve bıyık sınıflandırıcıları kontrolsüz ortamlardaki veri tabanlarında %95'in üzerinde tespit oranı ile çok iyi sonuçlar elde etmiştir.
Özet (Çeviri)
Classification modules can be used in multiple and diverse applications. The general objective of this work is the classification of facial features using statistical learning algorithms, this means being able to detect and classify the largest possible number of features that can be found on a face using only examples of images of these, without using a priori no information of the given characteristics. In the present work, detectors and classifiers of the characteristics that are considered most significant were developed, Excellent results were reported in mouth detection, with detection rates greater than 99% and errors comparable to the error from manual mouth marking. The lens sorter also obtained excellent results, with detection rates of 95% for databases with controlled environments and of the order of 90% for databases with uncontrolled environments. Beard and mustache classifiers after using the mouth detector obtained very good results, with a detection rate of over 95% in databases with uncontrolled environments.
Benzer Tezler
- Emotion recognition process analysis by using eye tracker, sensor and application log data
Göz izleme cihazı, sensör ve uygulama verileri ile insanlarda duygu tanıma analizi
MAHİYE ÖZTÜRK
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Face detection and facial expression recognition using moment invariants
Moment öznitelikleri kullanarak yüz konum tespiti ve yüzsel ifade tanımlama
ALİ KARAALİ
Yüksek Lisans
İngilizce
2012
Elektrik ve Elektronik MühendisliğiBahçeşehir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM EROĞLU ERDEM
- Üç boyutlu yüz tanımada lokal özellik temelli yöntemlerin kullanımı ve karşılaştırılması
Comparison and usage of local feature based methods for 3d face recognition
MUHAMMED ENES ATİK
Yüksek Lisans
Türkçe
2018
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZAİDE DURAN
- Yerel zernike momentleri ve metrik öğrenme yöntemleriyle yüz çifti eşleme
Face pair matching with local zernike moments and metric learning methods
ŞEREF EMRE KAHRAMAN
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHİTTİN GÖKMEN
- Yüzdeki nirengi noktalarının koşullu regresyon ormanları ile saptanması
Facial feature detection using conditional regression forests
GENCER VURAL
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHİTTİN GÖKMEN