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: Belirtilmemiş.
- 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: 74
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
- Çevresel koşullara maruz bırakılan semen lekelerinde DNA metilasyonu ile yaş tahmini
Age estimation by DNA methylation in semen stains exposed to environmental conditions
ZEHRA ABİK
Yüksek Lisans
Türkçe
2024
Adli Tıpİstanbul Üniversitesi-CerrahpaşaFen Bilimleri Ana Bilim Dalı
DOÇ. DR. ÖZLEM BÜLBÜL ERCAN
- Biyolojik yaş tayininde kullanılmak üzere FHL2 bölgesinin metilasyonunun yaş ile bağlantısının belirlenmesi
Determination of the age correlation of the FHL2 methylation site for use in biological age estimation
ALİ ZİKİR DUMAN
Yüksek Lisans
Türkçe
2024
Adli TıpÜsküdar ÜniversitesiAdli Bilimler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUĞBA ÜNSAL SAPAN
- Tüketici haklarının gözetilmesi açısından, Ankara ili kasaplık sığır etlerinde cinsiyet ve yaşın biyolojik analizlerle değerlendirilmesi
The evaluation of sex and age of beef meat from Ankara province by biological analysis in term of consumer rights protection
BÜŞRA CUMHUR
Yüksek Lisans
Türkçe
2019
Adli TıpAnkara ÜniversitesiDisiplinlerarası Adli Bilimler Ana Bilim Dalı
DOÇ. DR. BENGİ ÇINAR KUL
- Çocuğa yönelik cinsel şiddet olaylarında olay kurgusunda ve şüpheli ifadelerindeki ortak özelliklerin incelenmesi
The examination of common features of suspects' expressions and the construction of sexual violence cases against children
MİRAÇ BURAK GÖNÜLTAŞ
- İzmir Katip Çelebi Üniversitesi Adli Tıp Anabilim Dalı'na başvuran 18 yaş üstü cinsel saldırı olgularının değerlendirilmesi
Evaluation of sexual assault cases referred to İzmir Katip Çelebi University Department of Forensic Medicine in age of 18 and over age
GÜLÇİN TAŞCI
Tıpta Uzmanlık
Türkçe
2024
Adli Tıpİzmir Katip Çelebi ÜniversitesiAdli Tıp Ana Bilim Dalı
PROF. DR. MEHMET TOKDEMİR