Evrişimli sinir ağı modelleri kullanarak yüz ifadelerinden duygutespitinde optimizasyon yöntemlerinin performanskarşılaştırmaları
Comparisons of optimization methods in detecting emotion fromfacial expressions using convolutional neural network models
- Tez No: 744384
- Danışmanlar: PROF. DR. HAMZA EROL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Bu tez çalışmasında, bir derin öğrenme yöntemi olan Evrişimli Sinir Ağı (CNN) modelleri kullanarak yüz ifadelerinden duygu tespitinde optimizasyon yöntemlerinin performans karşılaştırılması yapılmaktadır. Evrişimli sinir ağı modellerinden VGG16, VGG19 ve MobileNet modelleri kullanılmaktadır. Optimizasyon yöntemi olarak Adagrad, Adadelta ve Stokastik Gradyan İnişi (Stochastic Gradient Descent) kullanılmıştır. Veri seti olarak Ohio Eyalet Üniversitesi'ne ait Compound Emotion (CE) tercih edilmektedir. Bu veri seti doğal duygu ile birlikte 22 duygu kategorisini tanımlamaktadır. Veri seti karmaşık ve temel duyguları içermektedir. Bu çalışmada veri setindeki temel duygular olan; mutlu, üzgün, şaşırmış, doğal, iğrenme, korkulu ve öfkeli duyguları üzerine durulmaktadır. Bu veri setindeki örnek görüntüler 230 kişinin görüntülerinden oluşturulmuştur. Böylelikle veri setindeki temel duygular 1610 görüntüden oluşmaktadır. Bu çalışmada, veri setini ve sonuçları iyileştirmek için veri arttırma işlemi uygulanmaktadır. Bu işlem sonucunda toplam 5478 görüntü elde edilmektedir. Duygu veri setinin ve performans karşılaştırmalarında donanım desteği veren Google Colaboratory (Colab) çalışma ortamı tercih edilmiştir. Kodlama işlemi Python programlama dili kullanılarak yapılmıştır. Çalışma sonucunda, yüz ifadelerinin temel duygu tespitinde üç Evrişimli Sinir Ağı modelinin üç optimizasyon yöntemindeki performans karşılaştırmaları yapılmaktadır. Duygular, her model ve optimizasyon yöntemi için ayrı ayrı analiz edilmiştir. En başarılı tespit edilen duygular belirlenmiştir. Modelde ve yöntemlerde iyi sonuç vermeyen duygular tespit edilmiştir. Modeller için en uygun optimizasyon yöntemi değerlendirilmiştir.
Özet (Çeviri)
In this thesis, a performance comparison of optimization methods in detecting emotion from facial expressions is made by using Convolutional Neural Network (CNN) models, which is a deep learning method. Among the convolutional neural network models, VGG16, VGG19 and MobileNet models are used. Adagrad, Adadelta and Stochastic Gradient Descent (SGD) were used as optimization methods. Compound Emotion (CE) from Ohio State University is preferred as the data set. This dataset defines 22 emotion categories along with neutral emotion. The dataset contains compound and basic emotions. In this study, the basic emotions in the data set are; happy, sad, surprised, natural, disgusted, fearful and angry emotions are emphasized. The sample images in this dataset were created from images of 230 people. Thus, the basic emotions in the dataset consist of 1610 images. In this study, data augmentation is applied to improve the data set and results. As a result of this process, a total of 5478 images are obtained. The Google Colaboratory (Colab) working environment, which provides hardware support, is preferred for the emotion data set and performance comparisons. The coding process was done using the Python programming language. As a result of the study, performance comparisons of three Convolutional Neural Network models in three optimization methods in basic emotion detection of facial expressions are made. Emotions are analyzed separately for each model and optimization method. The most successful detected emotions were determined. Emotions that did not give good results were detected in the model and methods. The most appropriate optimization method for the models was evaluated.
Benzer Tezler
- Bulut tabanlı derin öğrenme modelleri kullanılarak insansı robotlarda duygu analizi
Analysis of emotion in humanoid robots using cloud–based deep learning models
MUHAMMED COŞKUN IRMAK
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULSAMET HAŞILOĞLU
- Emotion Recognition from Facial Expressions using Deep Learning Approaches in Information Technologies
Bilgi Teknolojilerinde Derin Öğrenme Yaklaşımları Kullanılarak Yüz İfadelerinden Duygu Tanıma
AHMED ADNAN HAMEED QUTUB
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YILMAZ ATAY
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- An improved transfer learning based siamese network for face recognation
Yüz tanıma için geliştirilmiş aktarım öğrenme tabanlı sıamese ağı
DALHM GHALIB HALBOOS AL-SHAMMARI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
البروفيسور. دكتور. DEVRİM AKGÜN
- Derin öğrenme yöntemleri kullanarak etkin ayrık işaret dili tanıma sistemi geliştirme
Development of an efficient isolated sign language recognition system based on deep learning methods
ANIL OSMAN TUR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HACER YALIM KELEŞ