Detection and recognition face framework by using conventional neural network CNN
Başlık çevirisi mevcut değil.
- Tez No: 796333
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- 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: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
Bu yüksek lisans tezi, tek bir fotoğrafta birçok pozlama sorununa görüntü işleme ve derin öğrenmeyi uyguladı. Görüntü işlemeyi optimize etmek, bir görüntü derin öğrenme sistemi (CNN) oluşturmak için evrişimli sinir ağı araştırmasını teşvik eder. Yüz algılamanın epitaksiyel hacim, düşük hatırlama oranları, yüksek kenarlar arası kontrast ve eksiksiz klinisyen eğitimi için güçlü tercihi, görüntü parazitini azaltmayı zorlaştırır. Bu proje, çoklu çekim yüz tanıma için derin öğrenme-görüntü işleme hibrit boru hattı oluşturacaktır. Kapsamlı bir literatür taramasından sonra çoklu görselleştirme modeli yapıları uygulandı. Bunu başarmak için evrişimli sinir ağlarına (CNN'ler) dayalı yeni bir derin öğrenme modeli ve çeşitli hibrit görüntü işleme teknikleri kullanıldı. Kenarları tam olarak bulmak için üst düzey bir filtreyi değerlendirmeyi tartıştık. Önerilen yumuşatma tekniği, kemik yoğunluğu tartışması, görüntü işleme ve optimizasyon ön tarama prosedürlerinden etkilenen verilerin %70'ini eğitim için, %15'ini test için ve %15'ini doğrulama için kullandı. Farklı mimarilere sahip derin öğrenme modelleri, çeşitli derinlikleri temsil eder. Resmin sınırları gösterilerek aşırı temsil incelenecektir. Otomatik görüntü işlemeyi taklit eden bir CNN derin öğrenme modeli. Görüntü kenarlarında resim işleme, görüntü alanı yapısının ve incelenen alanların segmentasyonunu geliştirerek daha iyi bir ürün elde edilmesini sağladı. Derin öğrenmenin yavaş öğrenmesi ve açıklama eksikliği, %99,12 doğruluğa sahip çalışmada ele alındı. Optimize edilmiş görselleştirme ve derin öğrenme ardışık düzenleri, paralelliği en üst düzeye çıkarmak için MATLAB ve diğer araçları kullanır.
Özet (Çeviri)
This master's thesis applied image processing and deep learning to the problem of many exposures in a single photo. Optimizing image processing encourages convolutional neural network research to construct an image deep learning system (CNN). Face detection's strong preference for epitaxial volume, low recall rates, high inter-edge contrast, and thorough clinician training make image noise reduction difficult. This project will create a deep learning-image processing hybrid pipeline for multi-shot face identification. Multiple visualization model constructs were implemented after a thorough literature review. A new deep learning model based on convolutional neural networks (CNNs) and a variety of hybrid image processing techniques were used to achieve this. We discussed evaluating a high-edge filter to precisely locate edges. The proposed smoothing technique used 70% of the data for training, 15% for testing, and 15% for validation, impacted by the bone density discussion, image processing, and optimization prescreening procedures. Deep learning models with different architectures represent several depths. Over representation will be examined by showing the image's borders. A CNN deep learning model mimicked automatic image processing. Picture processing on the image edges improved the segmentation of the image space structure and investigated areas, resulting in a better product. Deep learning's slow learning and lack of explanation were addressed in the 99.12% accurate study. Optimized visualization and deep learning pipelines use MATLAB and other tools to maximize parallelism.
Benzer Tezler
- A new framework by using deep learning techniques for data processing
Veri işleme için derin öğrenme teknikleri kullanarak yeni bir çerçeve
AHMAD MOZAFFER KARIM KARIM
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH VEHBİ ÇELEBİ
PROF. DR. MEHMET REŞİT TOLUN
- Kütüphane ortamında yüz ve parmak izi tanıma sisteminin geliştirilmesi
Development of face and fingerprint recognition system in library environment
MOHAMMED RIDHA MOHAMMED AHMED ALSARRAR
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASEMİN GÜLTEPE
- Comicverse: Expanding the frontiers of ai in comic books with holistic understanding
Comicverse: Bütünsel anlayışla çizgi romanlarda yapay zekanın sınırlarını genişletmek
GÜRKAN SOYKAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ YURET
PROF. DR. TEVFİK METİN SEZGİN
- Face recognition and person re-identification for person recognition
Kişi tanıma için yüz tanıma ve kişinin yeniden tanınması
EMRAH BAŞARAN
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
PROF. DR. MUHİTTİN GÖKMEN