Üretici çekişmeli ağlar kullanılarak kısıtlı yüz görüntülerinden yüz sentezleme ve yüz tanıma
Face completion from limited face images using generative adversarial networks and face recognition
- Tez No: 815120
- Danışmanlar: DOÇ. DR. GÜRCAN ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Bu tez çalışmasında, insanların maske, şapka, gözlük takması gibi yüz tanıma sistemlerinin başarısını kötü etkileyen durumlarda dahi yüzlerini tanımayı sağlayacak bir derin öğrenme modeli geliştirilmiştir. İnsan yüzünün yalnız göz bölgesi kullanılarak yüzün tamamının üretilebileceği hipotezinden yola çıkılmıştır. Çalışmada, kısıtlı yüz görüntülerinden yüzün tamamının üretilmesi için CelebA (Large-scale CelebFaces Attributes) veri seti kullanılmıştır. Derin öğrenme modeli olarak çalışmada önerilen model, literatürde DCGAN olarak adlandırılan ve resim tamamlama görevlerinde kullanılan üretici çekişmeli ağ türüdür. Veri setinde bulunan insan yüzü görüntüleri modele verilmeden önce, tıpkı maske takılmış gibi sadece gözleri görünecek şekilde kesilerek hazırlanmıştır. Daha sonra belirlenen devir sayıları boyunca eğitim gerçekleştirilerek gözlerden yüzün tamamının üretildiği DCGAN modeli üretilmiştir. Deneyler, veri setinden rastgele seçilerek, aşamalı artırılan resimlerle birlikte farklı devir sayıları için tekrarlanmıştır. Donanım olarak Google Colab Pro tarafından sağlanan GPU kullanılmıştır. Sonuçlar, Frechet Başlangıç Mesafesi metriği kullanılarak karşılaştırılmıştır.
Özet (Çeviri)
In this thesis, it has been studied to eliminate the situations that prevent face recognition in security systems in case of occlusion such as masks, hats, glasses. In this context, based on the hypothesis that only the eye region can be used for the recognition of the human face, it has been studied on the completion of limited facial images. Using the CelebA (Large-scale CelebFaces Attributes) dataset, the use of Generative Adversarial Networks to generate the entire face from the eyes is investigated. The human face images in the dataset are regenerated with generative adversarial networks designed by cutting only the eyes region as if wearing a mask. Experiments were carried out by gradually increasing the amount of randomly selected data from the data set and the results were recorded. DCGAN model was used for synthetic face fabrication. The GPU provided by Google Colab Pro was used for training the DCGAN deep learning network. Results were compared using the Frechet Inception Distance metric.
Benzer Tezler
- Yüz ifadesi tanıma başarımı için ilgili bölge belirleme ve çekişmeli üretici ağlar kullanılarak örnek artırım yöntemlerinin geliştirilmesi
Development of a region of interest detection and a generative adversarial network based image augmentation approach for improving facial expression recognition performance
ÖMER FARUK SÖYLEMEZ
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURHAN ERGEN
- Öneri sistemlerinde veri seyrekliği problemine derin öğrenme yaklaşımı
A deep learning approach to the problem of data sparsity in recommendation systems
ECEM BÖLÜK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ÖZGÜR CİNGİZ
- Generative adversarial networks based level generation for angry birds
Çekişmeli üretici ağlar ile angry birds bölümlerinin üretilmesi
BURKAN YILMAZ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı
DOÇ. DR. SANEM SARIEL UZER
- A new and efficient method for synthetic data generation with generative adversarial networks
Çekişmeli üretici ağ kullanilarak sentetik data üretmede yeni ve verimli bir metod
OKAN DÜZYEL
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KUNTALP
- Application and analysis of deep learning techniques on the problem of depth estimation from a single image
Derin öğrenme tekniklerinin tekil görüntüden derinlik tahmini problemi üzerinde uygulanması ve incelenmesi
ALİCAN MERTAN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE ÜNAL