Comparison of pretrained transfer learning models on face-mask detection
Yüz maskesı tespıtınde önceden eğıtılmış transfer öğrenme modellerının karşılaştırılması
- Tez No: 785637
- Danışmanlar: DR. ÖĞR. ÜYESİ YASİN ORTAKCI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 53
Özet
COVID-19 olarak bilinen küresel salgın, bu salgına karşı daha fazla koruma mekanizmaları geliştirme ve teknolojik çözümler sunma konusunda araştırmacılara önemli görevler yüklemektedir. Yüz maskeleri, diğer sağlık protokolleri arasında en önemli koruma mekanizmalarından biridir. Bu tez, CNN tabanlı eğitilmiş modellerden 4 tanesini: VGG16, ResNet50V2, InceptionV3 ve MobileNetV2 kullanarak maske takma sorununu tespit etmeyi ve bunların performanslarına kıyaslamasını yapmayı amaçlamaktadır. Önerilen model kullanıcıları maske takma işlemine göre maskesiz, yanlış makes takmış, doğru maske takmış olarak üç sınıfa ayırır. Bahsedilen CNN tabanlı dört transfer öğrenme modelini eğitmek, test etmek ve doğrulamak için örnek bir veri seti kullanıldı. Sonuçlar, önerilen modelin sınıflandırma görevini başarıyla yerine getirdiğini ortaya koymaktadır. VGG-19, önceden eğitilmiş en iyi model olarak vurgulandı.
Özet (Çeviri)
The global pandemic known as COVID-19 puts huge pressure on researchers to use technological solutions to provide further protection mechanisms. Face masks are one of the most important protection mechanisms among other health protocols. This thesis aims to detect the mask wearing problem by utilizing four CNN models: VGG16, ResNet50V2, InceptionV3 and MobileNetV2 based on Transfer Learning, in addition the provides a comparison based on their performances. The proposed model enhances the classification of mask wearing into three classes; without the mask, the correct wearing of the mask, and not the correct wearing of the mask. The previously mentioned four transfer learning models of CNN architectures were used to train, test, and validate based on the image dataset. The results reveal that the proposed model has performed the classification task successfully. VGG-19 was highlighted as the best pre-trained model.
Benzer Tezler
- Transfer learning based facial emotion recognition and action unit detection
Transfer öğrenme tabanlı yüz ifadesinden duygu tanıma ve eylem birimi tespiti
SÜLEYMAN ENGİN BAĞLAYİCİ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Derin öğrenme modellerinin hücre veri seti üzerinde eğitilerek kıyaslanması ve mobil ortama uyarlanması
Comparision and mobile application of deep learning models trained on blood cell dataset
MEHMET YAVUZ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ZAHİD YILDIZ
- Beyin tümörünün verimli sınıflandırılması için makine öğrenme yöntemleri araştırması
Investigating machine learning frameworks for efficient classification of brain tumor
ALAA ALNEMER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OKATAN
- Active learning based human in the loop deep object detectionfor scalable data annotation
Ölçeklenebilir veri etiketlenmesi için aktif öğrenme tabanlı insan katılımlı derin nesne tespiti sistemi
ATABERK ARMAN KAYHAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Determination of bone age assessment
Kemik yaşı belirlenmesinin değerlendirilmesi
DOĞACAN TOKA
Yüksek Lisans
İngilizce
2024
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜRVET KIRCI