Makine öğrenmesi yaklaşımları ile avuç içi tanıma sisteminin geliştirilmesi
Development of palm recognition system with machine learning approaches
- Tez No: 705064
- Danışmanlar: PROF. DR. AYBABA HANÇERLİOĞULLARI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Makine Mühendisliği, Electrical and Electronics Engineering, Mechanical Engineering
- Anahtar Kelimeler: Avuç İçi Tanıma, Derin Öğrenme, Makine Öğrenmesi, Palm Recognition, Deep Learning, Machine Learning
- 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: Belirtilmemiş.
Özet
Avuç içi tanıma, çok sayıda üstün özellik içeren ve kişisel tanımlamada kullanılan önemli biyometrik tanıma yaklaşımlarından biridir. Avuç içi görüntüsü, öznitelik çıkarım işleminde ön işlemden sonra kullanılabilir. Avuç içi boyutu ve avuç ten rengi gibi özellikler, avuç içi tanımakta öne çıkan nitelikler olarak kullanılmıştır. Bu tanıma sisteminde adaylardan, avuç içi izlerini (sağ veya sol avuç içi fark etmeksizin) vermeleri istenir. Avuç içi görüntüleri genellikle avuç içi sensörü veya kameralar kullanılarak sisteme alınır. Bu tezde, avuç içi görüntüleri, her adayın avuç içi için aynı yön ve konum sağlanacak şekilde, avuç içini tutucu üzerine yerleştirdikten sonra bir kamera kullanılarak oluşturulur. Bazı tanıma sistemlerinde görülen bir diğer özellik de görüntüyü doğru bir şekilde almak için akıllı sensör kullanılmasıdır. Bu tür sensörler, belirlenmiş konfigürasyonlara göre görüntüleri düzeltme (bir ön işleme gerçekleştirme) özelliğine sahip olabilir. Bu projede, çevrimiçi görüntü portalından (PCOE) elde edilen büyük bir avuç içi görüntü veri setine dayalı kişisel doğrulama sistemi uygulandı. Avuç içi veri seti PCOE'den indirildi ve tanıma sisteminin sonraki adımlarında kullanıldı. 112 adayın (kadın ve erkek) sağ avuç içi görüntüsü alındı. Hiçbir yaş kısıtlaması uygulanmadı, bu da çalışmaya tüm yaş kategorilerinin dahil olduğu anlamına gelmektedir. Daha sonra, her adaydan sağ elini bir avuç içi tutucunun içine yerleştirmesi istendi ve avuç içi toplama PCOE'de gerçekleştirildi. Avuç içi verileri, yapay öğrenme ve derin öğrenme paradigmaları kullanılarak ayrıca sınıflandırıldı. Uzun kısa süreli bellek sinir ağı, avuç içi özelliklerinde kimlik tahmin etmede daha iyi performans gösterdi, LSTM %90'a eşit tanıma doğruluğu ile gerçekleştirilmiştir.
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 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%.
Benzer Tezler
- Dental radyografi görüntüleri kullanılarak kişilerin kimliklendirilmesi
Human identification using dental radiography images
MUSTAFA HAKAN BOZKURT
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs ÜniversitesiHesaplamalı Bilimler Ana Bilim Dalı
DOÇ. DR. SERAP KARAGÖL
- Memory-based approaches to problems in probabilistic modeling
Olasılıksal modelleme problemleri için hafıza tabanlı yaklaşımlar
ABDULLAH AKGÜL
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE ÜNAL
- Makine öğrenmesi yaklaşımları ile fetal sağlık teşhisinin gerçekleştirilmesi
Realisation of fetal health diagnosis with machine learning approaches
ADEM KUZU
Yüksek Lisans
Türkçe
2024
KardiyolojiFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUNUS SANTUR
- Makine öğrenmesi yöntemleri ile botnet saldırı tespiti: Boyut indirgeme yaklaşımları
Botnet attack detection with machine learning methods: Dimension reduction approaches
AYŞEGÜL SAĞLAM GÜLBAĞÇA
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe ÜniversitesiBilgisayar Ana Bilim Dalı
DOÇ. DR. GÜR EMRE GÜRAKSIN
- İç mekân ısıl konforunun makine öğrenmesi yaklaşımları ile uluslararası veri tabanları kullanılarak modellenmesi
Modeling of indoor thermal comfort by machine learning approaches using international databases
AMIR RAHMANPARAST
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET SELİM DALKILIÇ
DR. ÖĞR. ÜYESİ MUHAMMED MİLANİ