Suspect/Victim age estımatıon by applyıng AI techniques
YZ tekniklerini uygulayarak şüpheli/kurban yaş tahmini
- Tez No: 768060
- Danışmanlar: Assist. Prof. Dr. MESUT ÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Evrişimli sinir ağları, Yapay zeka, Yaş tahmini, Convolutional neural networks, Artificial intelligence, Age estimation
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu araştırma, evrişimli sinir ağlarının kişi yaşını tahmin etmenin zorluklarına karşı uygulanabilirliğini inceledi. Makul bir yaş tahmini yapmak zor olabilir. Yüz yönü, değişen aydınlatma, Olgunluk, cilt dokusu, cinsiyet ve etnik köken gibi çeşitli unsurlar sonucu etkileyebilir. Ana hedef, insan yaşını belirlemek için sağlam bir sistem oluşturmaktır. Bununla birlikte, bilgisayar vizyonunun iyileştirilmesi, son yıllarda muazzam sıçramalara tanık oldu ve derin öğrenmedeki mevcut atılımlar, veri setlerinde performansı artırdı. Bunun nedeni, insan yüzünün çeşitli deneyimlerini fotoğraflar aracılığıyla incelemek için yapılan çeşitli araştırmalardır. İnsan yaşını tahmin etmek, çeşitli kategoriler (0-100+) nedeniyle bir regresyon zorluğu olarak kabul edilir. Bu çalışmada, önceden eğitilmiş versiyonu kullanmak için transfer öğrenme kullanılmıştır. Evrişimli bir sinir ağını sıfırdan geliştirmek ve eğitmek yerine, ince ayar yapmak ve yaşı hesaplamak için EfficientNet adlı önceden eğitilmiş bir sürümü (çok sayıda fotoğrafta eğitilmiştir) kullanarak transfer öğrenmeyi kullanacağız. Performansı test etmek için, farklı yaş aralıklarına sahip 20 binden fazla fotoğraftan oluşan bir veri seti olan“UTKFace”kullanıldı ve örneklem büyüklükleri bir kriter olarak kullanıldı. Ağı öğrenmek ve test etmek için kullanılacaktır. Ancak, bu resim miktarı başlangıçta derin bir CNN'yi eğitmek için yeterli değildir, ancak transfer öğrenmesi nedeniyle bu iş için yeterlidir. Toplam sonuç hesaplandı ve insan yaşının belirlenmesi için 2.6 yıl (MAE) oldu ve bu bulgular gelecekteki iyileştirmeler için bir ivme kazandırdı. Sonuç olarak, yüz özellikleri önemli bir faktördür ve insan yaşını belirlemek için sağlam bir model oluştururken bu değişkenin benzersizliği dikkate alınmalıdır.
Özet (Çeviri)
This research studied the viability of convolutional neural networks to the challenges of predict person age. It might be challenging to get a reasonable age estimate. Several elements can impact the conclusion, such as face orientation, changing lighting, Maturity, skin texture, gender, and ethnicity vary from person to person. The major goal is to create a robust system for determining human age. However, The improvement of computer vision has witnessed enormous leaps in recent years, and current breakthroughs in deep learning have enhanced performance in data sets. This is due to the various investigations undertaken to study the diverse experiences of the human face via photographs. Predicting human age is considered a regression challenge owing to the various categories (0-100+). In this study, transfer learning has been utilized to employ the pre-trained version. Instead of developing and training a convolutional neural network from scratch, we will use transfer learning, employing a pre-trained version called EfficientNet (trained on numerous photos) to fine-tune and calculate the age. To test the performance, was used one dataset“UTKFace”, which is a set of more than 20k photos with diverse age ranges and sample sizes are used as a criterion. It will be used to learn and test the network. However, this quantity of pictures is not enough to train a deep CNN initially, but it is adequate for this job owing to transfer learning. The total result was calculated, and it is 2.6 years (MAE) of determining human age, and these findings give an impetus for future improvement. In conclusion, face characteristics are a significant factor, and the uniqueness of this variable must be taken into consideration when constructing a robust model for determining human age.
Benzer Tezler
- İki faktör ve blok değişkenin kullanıldığı tek-faktör bölünüme bağlı olmayan varyans analizi
Distribution-free two-way analysis of variance and one-way analysis of variance with blocks multiple comparisons and its applications
ESEN GÜRBÜZSEL
Yüksek Lisans
Türkçe
1990
İstatistikGazi Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. HAMZA GAMGAM
- Toxoplasmosis ön tanılı hastalarda ELISA, IFAT, SF deneylerinin uygulanması ve çapraz reaksiyonlarının araştırılması
Başlık çevirisi yok
HÜSEYİN KILIÇ
- Laser doppler hız ölçerinin kuantum elektroniği seviyesinde modellenmesi
Başlık çevirisi yok
MEHMET GÜMÜŞÇÜ
- Ege bölgesi koşullarında çalışılabilir gün sayılarının matematik model yardımı ile belirlenmesi
Başlık çevirisi yok
ATİLLA TATAR