Geri Dön

A facial age group classifier based on deep learning techniques

Derin öğrenme tekniklerine dayalı yüz yaş grubu sınıflandırıcısı

  1. Tez No: 765228
  2. Yazar: AHMAD ALSALEH
  3. Danışmanlar: DR. ÖĞR. ÜYESİ CAHİT PERKGÖZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Anadolu Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
  13. Sayfa Sayısı: 93

Özet

Son zamanlarda, bilgisayarla görü alanındaki araştırmacılar, gerçek dünyadaki artan uygulamaları nedeniyle, yaş, cinsiyet ve ırk gibi demografik özelliklerin tahmin edilmesi de dahil olmak üzere, insan yüzünden önemli bilgilerin çıkarılmasıyla giderek daha fazla ilgilenmeye başladılar. Bu alanda Evrişimsel Sinir Ağlarına (ESA) dayalı modeller, insan yüzlerinin görüntülerinden yüz özelliklerini otomatik olarak çıkarabilen en önemli tekniklerden biri olduklarını kanıtlamışlardır. Bu tezde, yüz görüntülerinden yüz ayırt edici özellikleri çıkarmak ve bu görüntüleri ilgili yaş grubuna sınıflandırmak için CNN tabanlı yeni bir model önerilmiştir. Önerilen modelin genel performansı hem UTKFace hem de Facial-age veri kümelerinde değerlendirilmiştir. Sonuçlar, modelin sınıflandırma doğruluğu açısından son çalışmalara kıyasla daha iyi bir performansa sahip olduğunu göstermiştir. Önerilen model, bahsedilen veri kümelerinde %87,82'lik yaş grubu sınıflandırma doğruluğu elde etmiştir.

Özet (Çeviri)

Recently, researchers in the computer vision field have become increasingly interested in extracting important information from the human face, including estimating demographic characteristics such as age, gender, and race, due to their increasing applications in the real world. Models based on convolutional neural network (CNN) have proven that they are one of the most important techniques capable of extracting facial features automatically from images of human faces. In this thesis, a novel CNN-based model to extract facial discriminative features from face images and classify those images into the corresponding age group is proposed. The overall performance of the proposed model is evaluated on both UTKFace and Facial-age datasets. The results showed that the model has a better performance compared with recent studies in terms of classification accuracy. The model achieved age group classification accuracy of 87.82% on the mentioned facial aging datasets.

Benzer Tezler

  1. DA4HI: A deep learning framework for facial emotion recognition in affective systems for children with hearing impairments.

    DA4HI: İşitme engelli çocuklar için duyuşsal sistemlerde yüzdeki duyguların tanınması maksadıyla geliştirilen derin öğrenme modeli.

    CEMAL GÜRPINAR

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE KÖSE

    PROF. DR. NAFİZ ARICA

  2. Classification of wrinkles on the forehead and around eyes

    Alında ve göz kenarlarında yer alan kırışıklıkların sınıflandırılması

    BÜŞRA ÇANAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA ERSEL KAMAŞAK

  3. Derin öğrenme yöntemleri ile yüz görüntülerinden yaş kestirimi

    Age estimation from facial images using deep neural networks

    YUSUF ÇAĞRI DAŞKIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FÜSUN BALIK ŞANLI

  4. Face identification, gender and age groups classifications for semantic annotation of videos

    Videolara anlamsal açıklama eklemek için yüz tanıma, cinsiyet ve yaş grubu sınıflandırması

    GÖKHAN YAPRAKKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    DOÇ. DR. NİHAN KESİM ÇİÇEKLİ