Konvülasyonel sinir ağları kullanarak yüz maskesi tespiti
Face mask detection using convolutional neural networks
- Tez No: 745000
- Danışmanlar: PROF. DR. YAŞAR BECERİKLİ
- 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: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- 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
- 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
2022
Bilim ve TeknolojiKırşehir Ahi Evran Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEMDUH KÖSE
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DOÇ. DR. SEFER KURNAZ
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEMAL KÖSE
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Detection of humans in video streams using convolutional neural networks
Başlık çevirisi yok
AMEEN MUDHER ABBAS ALDULAIMI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER KURNAZ