Geri Dön

A real-time face recognition based on mobileNetV2 model

MobileNetV2 modeline dayalı gerçek zamanlı yüz tanıma

  1. Tez No: 717300
  2. Yazar: VAFAA SUKKAR
  3. Danışmanlar: PROF. DR. ERGUN ERÇELEBİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Gaziantep Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 80

Özet

Yüz tanıma teknolojisi en hızlı gelişen teknolojilerden biridir. Etkinliği, kullanım kolaylığı, sağlık, koruma ve gözetim alanlarındaki geniş uygulamaları ile yüz tanıma, diğer biyometrik teknolojilere göre en yaygın teknolojidir. Derin öğrenme ve sinir ağlarına dayalı teknolojiler, sıradan yüz tanıma yolları ile karşılaştırıldığında üstün verimlilik ve hız göstermiştir. Bu çalışmada, akıllı telefon ve düşük bilgi işlem gücüne sahip cihazlara uygulanabilen hızlı, gerçek zamanlı bir yüz tanıma sistemi öneriyoruz. Önerilen yüz tanıma sistemi günümüzün en güncel evrişim sinir ağları algoritmalarına dayanmaktadır. Veritabanı, bilinen kişilerden ve bazı VggFace veri kümesi ünlülerinden oluşan bir koleksiyondan alınan fotoğraflara dayalı olarak oluşturulmuştur. Önerilen sistem, MTCNN algoritması kullanılarak giriş görüntülerindeki yüzlerin algılanması ile başlayarak, ardından hizalanması ve ön işlenmesi, mobileNetV2 modelini kullanarak her yüz için yüz karakteristik vektörlerinin çıkarılması ve son olarak yüzlerin karşılaştırılması, sınıflandırılması ve ayırt edilmesi gibi birkaç aşamaya ayrılmıştır. Bazı örnekler kullanılarak sistemin başarımı değerlendirilmiştir. Sistem, saniyede ortalama 11.68 kare ile %92.67 doğrulukta sonuç üretmiştir. Modern modellerle karşılaştırıldığında, deneysel sonuçlar, mobilenetv2 modelinin ResNet50 modelinden 2 kat, VGG16 modelinden 4 kat daha hızlı olduğunu göstermiştir.

Özet (Çeviri)

Facial recognition technology is one of the fastest developing technologies. Thanks to its efficacy, ease of use, and extensive applications in health, protection, and surveillance, face recognition is the most widespread technology compared to other biometric ones. Technologies based on deep learning and neural networks have demonstrated superior efficiency and speed when compared to traditional approaches for recognizing persons. In this work, we propose a fast real-time facial recognition system that is applicable for mobile devices and devices of low computational power. It relies on today's latest convolution neural networks algorithms. The database is built based on photos from a collection of known people and some VggFace dataset celebrities. The proposed system is divided into several steps, starting with the detection of faces in the input images using the MTCNN algorithm, followed by their alignment and preprocessing, extracting the face characteristic vectors for each face using the mobileNetV2 model, and finally comparing, classifying and distinguishing the faces. The performance of the system has been evaluated using some examples. The system produced results with an accuracy of 92.67%, with an average of 11.68 frames per second. When compared to the state-of-art models, the experimental results demonstrated that mobilenetv2 model was 2 times faster than ResNet50 model and 4 times faster than VGG16.

Benzer Tezler

  1. Derin öğrenme yaklaşımları ile gömülü platform üzerinde yüz analizi sisteminin gerçekleştirilmesi

    Implementation of face analysis system with deep learning approaches on embedded platform

    ABDULATIF AHMED ALI ABOLUHOM

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMET KANDİLLİ

  2. Emotion recognition using deep learning focusing on the hand and facial expressions

    El ve yüz ifadelerine odaklanan derin oğrenmeyi kullanarak duygu tanıma

    HASANAIN JAWAD RADEEF

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YILMAZ AR

  3. Smart attendance management system using face recognition

    Yüz tanıma tabanlı akıllı yoklama yönetim sistemi

    S M TANVIR HASSAN SHOVON

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiSakarya Uygulamalı Bilimler Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURAK ARICIOĞLU

  4. Development of a real-time face recognition system using deep learning techniques

    Derin öğrenme tekniklerini kullanarak gerçek zamanlı yüz tanıma sisteminin geliştirilmesi

    ABDUL KARIM SUFIYAN N YO

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiGaziantep Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    Prof. Dr. ERGUN ERÇELEBİ

  5. Text and image recognition based in artificial intelligence

    Yapay zeka dayalı metin ve görüntü tanıma

    DALYA TAREQ KHUDHAIR MAGSOOSI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    YRD. DOÇ. DR. MESUT ÇEVIK