Geri Dön

Derin öğrenme yöntemiyle düşük çözünürlüklü yüz görüntülerinden yüz ifadesi tespiti

Facial expression detection from low resolution facial images with deep learning method

  1. Tez No: 774028
  2. Yazar: GÖZDE SENA KARABAY
  3. Danışmanlar: PROF. DR. MEHMET ÇAVAŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektronik Sistemleri Bilim Dalı
  13. Sayfa Sayısı: 63

Özet

Yüz ifadeleri insanlarla iletişim kurmada önemli bir rol oynamaktadır. İletişimin dışında güvenlik sistemlerinde, sağlık sektöründe ve psikoloji gibi birçok alanda yüz ifadelerinden yapılan çıkarımlarla var olan problemler çözülebilmektedir. Teknolojinin gelişmesiyle yüz ifadelerinden yapılacak olan çıkarımlar artık yapay zekâ sayesinde yapılmaktadır. Yüz ifadeleri tespitinde mikro mimiklerin tespit edilmesi büyük önem taşımakta ve bu noktada yapay zekâ kullanılarak büyük başarımlar elde edilmektedir. Bu çalışmada kullanılan düşük çözünürlükteki 213 adet görüntü iyileştirilmiş ve derin öğrenme modellerinden biri olan evrişimsel sinir ağları (ESA) kullanılarak görüntüler analiz edilmiştir. Derin öğrenme mimarilerinden AlexNet ve MobileNetV2 mimarileri kullanılarak her iki mimariden özellik çıkarımı yapılmış ve bu özellikler birleştirilmiştir. Mikro mimiklerin tespiti için patch-based (yama tabanlı) yöntemi kullanılmıştır. Görüntünün kendisinden ve yamalardan ayrı ayrı özellikler çıkartılarak KBA (komşuluk bileşen analizi) algoritması ile ilk 1000 özellik seçilmiş ve DVM (destek vektör makinesi) ile sınıflandırma işlemi gerçekleştirilmiştir. Elde edilen sonuçlar karşılaştırılmış olup en iyi sonuç %98,6 olarak hesaplanmıştır.

Özet (Çeviri)

Facial expressions play an important role in communicating with people. Apart from communication, existing problems are solved by inferences made from facial expressions in many fields such as security systems, the health sector, and psychology. With the development of technology, inferences to be made from facial expressions are now made thanks to artificial intelligence. Detection of micro mimics is of great importance in detecting facial expressions, and artificial intelligence achieves great success at this point. 213 low-resolution images used in this study were enhanced and images were analyzed using convolutional neural networks (CNN), which is one of the deep learning models. AlexNet and MobileNetV2 architectures, which are deep learning architectures, were used and these features were combined by extracting features from both architectures. The patch-based method was used to detect micro mimics. Separate features were extracted from the image itself and from the patches. The first 1000 features were selected with the NCA (neighborhood component analysis) algorithm and the classification process was carried out with the SVM (support vector machine). The obtained results were compared and the best result was calculated as 98.6%.

Benzer Tezler

  1. Face recognition and person re-identification for person recognition

    Kişi tanıma için yüz tanıma ve kişinin yeniden tanınması

    EMRAH BAŞARAN

    Doktora

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

    PROF. DR. MUHİTTİN GÖKMEN

  2. A deep learning model for susceptibility artifact correction in Echo Planar Imaging

    Eko Planar Görüntülemede duyarlılık artefaktı düzeltme için derin öğrenme modeli

    ABDALLAH GHAZI FAISAL ZAID ALKILANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. EMİNE ÜLKÜ SARITAŞ ÇUKUR

    DOÇ. TOLGA ÇUKUR

  3. Derin öğrenme tabanlı süper çözünürlük teknikleri kullanarak JPEG sıkıştırma kaybının iyileştirilmesi

    Recovering JPEG compression loss via deep learning-based super resolution techniques

    MUHAMMET BOLAT

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. LÜTFİYE DURAK ATA

    DR. NURULLAH ÇALIK

  4. Joint calibration and reconstruction for focal plane array imaging

    Odak düzlemi dizisi görüntüleme için birleşik kalibrasyon ve geriçatım

    MUHAMMET UMUT BAHÇECİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

  5. Deep image prior based high resolution isar imaging for missing data case

    Eksik veri için derin görüntü önceli tabanlı yüksek çözünürlüklü tyar görüntüleme

    NECMETTİN BAYAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. IŞIN ERER