Geri Dön

Konvülasyonel sinir ağları kullanarak yüz maskesi tespiti

Face mask detection using convolutional neural networks

  1. Tez No: 745000
  2. Yazar: MOHAMMED SAFAULDEEN DAWOOD AL-ABBASI
  3. Danışmanlar: PROF. DR. YAŞAR BECERİKLİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 68

Özet

Dünya Sağlık Örgütü, Covid-19'un yeni salgını nedeniyle dünyanın günümüzde yaşadığı koşullar ışığında, Covid-19'un yayılmasını azaltmak için sosyal mesafeyi, yüz maskelerini takmayı ve yüze dokunmaktan kaçınmayı tavsiye edilmektedir. Yüz maskesi takmanın son dönemde büyük önem gösterdiği, bu kapsamda yüz tanıma sistemlerinin maskeyi takan veya maskeyi tamamen takmayabilecek kişilerin tespitini doğrulaması beklenmektedir. Covid-19'un bulaşmasını önlemeye yardımcı olmak için bir bilgisayarlı görüş sistemi üzerinde çalışmıştır. Sistem bir yüz maskesi algılar ve maskeyi doğru takmayan veya maskeyi tam veya maskesiz takmayan yüzlerden maske takan yüz tanımaktadır. İnternetten veri kümesi tarafından test edilen modeller, kamu kullanımına açık veri kümesi, bu veri kümesi üzerinde de birkaç araştırmacı tarafından çalışılmıştır. Ve sonuç yüksek doğrulukta ve çok az sayıda yanlış görüntü tahminimiştir. Modeller farklı yöntemlerle eğitilmiş, konvülasyonel sinir ağları (KSA-ConNNS) ayrı ayrı eğitilmiş ve sonuçlar 96.19% doğrulukla kaydedilmiştir, ardından ConNN için çıkarılan öznitelikler için sınıflandırıcı olarak destek vektör makinesi (DVM) kullanılmış ve sonuçlar 96.11% doğrulukta bulunmuştur. Rastgele Orman (RO) ayrıca ConNN için bir sınıflandırıcı olarak ve sonuçların 96.28% doğruluğudur. Son olarak, veri kümesi üzerinde destek vektör makinesi ve rasgele orman'ın her biri için ayrı ayrı eğitim yapıldı ve DVM için sonuçlar 91.21% ve Rasgele Orman 88.75% . VGG16 modelinin yapısı, bu çalışmada önerilen modellerin VGG16 modeli ile karşılaştırılması amacıyla oluşturulmuştur sonuçlar 87.66% doğrulukla kaydedilmiştir, bulunmuştur.

Özet (Çeviri)

In light of the circumstances that the world is experiencing now due to the new epidemic of Covid-19, the World Health Organization advises social distancing, wearing face masks, and avoiding touching the face to reduce the spread of the Covid-19. and Wearing face masks has shown great importance in the recent period, In this context, face recognition systems are expected to verify the detection of people that wear the mask or may not wear the mask altogether. we have worked on a computer vision system to help prevent the transmission of the Covid-19. The system detects a face mask, and the face wearing mask is recognized from the faces that are not wearing the mask correctly or not wearing the mask completely or without mask. The models tested by dataset from the Internet, dataset available for public use, this dataset was also worked on by a number of researchers. and the result was high in accuracy and very few wrong predictions of images. The models trained in different ways, the Convolutional Neural Network (ConNN) was trained separately, and the results were recorded, which are 96.19% accuracy, then the Support Vector Machine (SVM) was used as a classifier for the features extracted for ConNN and the results were 96.11% accuracy, then we used the Random Forest (RF) also as a classifier for ConNN and the results 96.28% accuracy. Finally, training was conducted on the dataset for each of the SVM and Random Forest separately, and the results for SVM were, 91.21% and Random Forest 88.75%. The structure of the VGG16 model was created to compare the models proposed in this study with the VGG16 model, and the results were recorded with an accuracy of 87.66%.

Benzer Tezler

  1. A simple security application using real-time face recognition

    Gerçek zamanlı yüz tanıma kullanarak basit bir güvenlik uygulaması

    ADNAN ABDULLAH YOUNUS AL HAMMADI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilim ve TeknolojiKırşehir Ahi Evran Üniversitesi

    İleri Teknolojiler Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEMDUH KÖSE

  2. Invigorate cold case investigations based on human face generation using deep convolutional generative adversarial network (DCGAN)

    Derın konvolüsyonel jeneratıf adversarıal ağ (DCGAN) kullanarak ınsan yüzü kuşağına dayalı soğuk vaka araştırmalarını canlandırın

    HASAN SABAH KADHIM ALMUTTAIRI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    DOÇ. DR. SEFER KURNAZ

  3. Uzun kısa süreli bellek tipi derin sinir ağları ile konuşmacı tanıma

    Speaker recognition with long short-term memory type deep neural networks

    ERKAN GÜNERHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. CEMAL KÖSE

  4. Emotion aware artificial intelligence for cognitive systems

    Bilişsel sistemler için duygu farkındalıklı yapay zeka

    DEĞER AYATA

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

  5. Detection of humans in video streams using convolutional neural networks

    Başlık çevirisi yok

    AMEEN MUDHER ABBAS ALDULAIMI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEFER KURNAZ