The statistical learning methods in image processing and facial recognition
Başlık çevirisi mevcut değil.
- Tez No: 711165
- Danışmanlar: PROF. DR. OĞUZ BAYAT, DR. ÖĞR. ÜYESİ TAREQ ABED MOHAMMED
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Bu tezin amacı, Python'da derin öğrenme tekniklerini kullanarak görüntü işleme ve Yüz Tanıma'da İstatistiksel Öğrenme Yöntemleri için yeni bir yaklaşım geliştirmektir.İçinde Son yıllarda derin sinirsel kullanarak yüz tanımada önemli ilerlemeler kaydedilmiştir. ağlar.Sonraki potansiyel adımlardan biri, optimize edilmiş 3D yüz tanıma geliştirmektir. vites değiştirme 2B'den 3B'ye, verilere başka bir boyut ekleyerek problemin karmaşıklığını artırır, olası çözümleri daha fazla kaynağa aç hale getirmek. Bu tezde farklı derinlikleri araştırıyoruz. kamera tabanlı yüz tanıma teknikleri ve bunları bir platformda konuşlandırarak performanslarını test edin. gömülü işlemci Gömülü sistemler için uygulamalara odaklanıyoruz ve küçük bir düşük genel sistemi taşınabilir tutmak için sistemimizle uçuş çözünürlüğü (ToF) kamerası ve kompakt.Daha sonra tüm yüz görüntüleri, öznitelik alanına (“yüz alanı”) yansıtılarak, ilgili koordinatörler. Yüz uzayı,“Özyüzler”veya“Balık Yüzleri”nden oluşur. aslında bir matris bileşimi yaptıktan sonra bulunan özvektörlerdir - Öz ayrıştırma. de Eigenface yönteminin kalbi, en popüler yöntemlerden biri olan Temel Bileşen Analizidir (PCA). denetimsiz öğrenme algoritmaları - Fisherface, hem Temel Bileşen Analizini hem de Doğrusal Ayrım Analizini (LDA) kullanan öncekinin daha iyi bir versiyonudur. daha güvenilir sonuçlar elde edin. Her iki yöntem de çalışma prensiplerinde derinlemesine incelenecektir. Her birinin avantajı ve dezavantajı hakkında bir sonuca varmadan önce potansiyel uygulamalarının yanı sıra. Geliştirilen tekniklerin performansını değerlendirmek için, düşük çözünürlüklü bir derinlik kamerası ile yakalanan 10 kimlikten oluşan bir veri seti oluşturacak ve bunu Hem eğitim hem de test. Algoritmalar Python tarafından Anaconda'da gerçekleştirilmiştir. İlk verilen veritabanındaki görüntüler, program sağlanan insan yüzlerini algılayabilir ve tanıyabilir Gelecekte hesaplama doğruluğunu artırmak için resimleri veritabanına kaydetmeden önce. Değerlendirmeden sonra, tanıma genel sonuçları, ayrıntılar dahil olmak üzere ekranda dışa aktarılır. metin dosyalarında.
Özet (Çeviri)
The aim of this thesis is to develop a new approach for The Statistical Learning Methods in image processing and Facial Recognition using the deep learning techniques in python. In the recent years there have been significant advances in face recognition by using deep neural networks. One of the potential next steps is to develop optimized 3D facial recognition. Shifting from 2D to 3D increases complexity of the problem by adding an- other dimension to data, making possible solutions more resource hungry. In this thesis we investigate different depth camera based facial recognition techniques and test their performance by deploying them on an embedded processor. We focus on applications for embedded systems and use a small low-resolution time of flight (ToF) camera with our system to keep overall system portable and compact. All faces images are then projected on the feature space (“face space”) to find the corresponding coordinators. The face space is composed of“Eigenfaces”or“Fisherfaces”which are actually eigenvectors found after doing a matrix composition - Eigen decomposition. At the heart of Eigenface method is the Principal Component Analysis (PCA) - one of the most popular unsupervised learning algorithms - while Fisherface is a better version of the previous one which makes use of both Principal Component Analysis and Linear Discrimination Analysis (LDA) to get more reliable results. Both methods would be examined deeply in their working principles as well as their potential applications in reality before coming to conclusion about the advantage and drawback of each one. In order to evaluate the performance of the developed techniques, we will create a dataset of 10 identities captured with a low-resolution depth camera and use it for both training and testing. The algorithms were realized by Python in Anaconda. Given initial images in the database, the program can detect and recognize the human faces in the provided pictures before saving them in the database to improve the calculation accuracy in the future. After evaluation, the recognition general results are exported on the screen with details included in the text files.
Benzer Tezler
- Durgun görüntülerden yüz ifadelerinin tanınması
Facial expression recognition from static images
BİLGE SÜHEYLA AKKOCA
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHİTTİN GÖKMEN
- 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
- 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
- A quantitative comparison of regression models on timely evolving datasets
Zamanla değişen datalarda regresyon modellerinin nicel karşılaştırılması
MİTHAT SİNAN ERGEN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. KEZİBAN ORMAN
- Tıbbi görüntü işleme ile tanı koymada veri madenciliği ve derin öğrenme yöntemlerinin performanslarının incelenmesi
Performance analysis of data mining and deep learning methods in diagnosis with medical image processing
HANİFE AVCI
Yüksek Lisans
Türkçe
2021
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. JALE KARAKAYA KARABULUT