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: 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: 60
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. ANAHTAR KELİMELER:Avuç İçi Tanıma,Derin Öğrenme, Makine Öğrenmesi
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%. KEYWORDS:Palm Recognition, Deep Learning, Machine Learning
Benzer Tezler
- Makine öğrenmesi yaklaşımları ile fetal sağlık teşhisinin gerçekleştirilmesi
Realisation of fetal health diagnosis with machine learning approaches
ADEM KUZU
Yüksek Lisans
Türkçe
2024
Kadın Hastalıkları ve DoğumFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUNUS SANTUR
- Explainable and context-aware machine learning for common and imbalanced atmospheric forecasting
Açıklanabilir ve bağlamsal farkındalık sahibi makine öğrenmesi yaklaşımları ile yaygın ve ekstrem atmosferik tahmin
ALİ ULVİ GALİP ŞENOCAK
Doktora
İngilizce
2024
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TUĞRUL YILMAZ
- Yüz resimlerinden çoklu makine öğrenmesi yaklaşımları ile yaş ve cinsiyet bilgisinin tespit edilmesi
Estimating of age and gender information from face images with multiple machine learning methods
UĞUR TURHAL
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET AKBAŞ
- Buzdolabı performans test sonuçlarının makine öğrenmesi yaklaşımları ile otonom değerlendirilmesi
Autonomous evaluation of refrigerator performance test results with machine learning approaches
ARİF SALİH ÖZMEN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK KALECİ
- 802.11AC ortamında makine öğrenmesi yaklaşımları ile donanım tabanlı saldırı tespit sistemi ve 802.11S örgü ağlarına yönelik saldırı gerçeklemeleri
Machine learning approaches on hardware based intrusion detection system and implementations of 802.11S attacks on an 802.11AC based wireless testbed environment
OZAN YÜKSEL
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT ALANYALI