İmge kümeleri ile yüz tanımada yüz hizalanması ve önleştirme yöntemleri
Face alignment and frontalization methods for image set based face recognition
- Tez No: 815739
- Danışmanlar: PROF. DR. HAKAN ÇEVİKALP
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon - Sinyal İşleme Bilim Dalı
- Sayfa Sayısı: 94
Özet
Günümüzde, tek bir yüz imgesi yerine imge kümelerinin kullanımı yüz tanıma performansını artırdığı için önemli bir konu haline gelmiştir. Küme içindeki yüz imgeleri her zaman ideal poz ve aydınlatma koşulları altında bulunmamaktadır. Bu nedenle, farklı poz açıları gibi olumsuz durumların etkilerini önlemek için ön işlemlere ihtiyaç duyulur. Yüz önleştirme, farklı poz açılarına sahip yüz imgeleriniönleştirdiği için küme tabanlı yüz tanıma performansını iyileştiren önemli ön işlemlerden biridir. Bu tez çalışmasında, her kümeye ait ön cepheden yüz imgelerini kullanarak yeni bir yüz önleştirme yöntemi geliştirilmiştir ve küme tabanlı yüz tanıma performansı üzerindeki etkileri analiz edilmiştir. Teknik olarak;“Rotate-Render”yöntemi temel alınmıştır. İmge kümesinde yer alan ön cepheden yüz imgesini kayıp fonksiyonuna entegre ederek üç boyutlu bir yapı ve üretken çekişmeli ağ modelinin eğitimi ile yeni bir yüz önleştirme modeli önerilmiştir. Bu tez çalışmasında, orijinal Rotate-Render (RR) modeli ve önerilen Frontal (ön cephe) yüz tabanlı Rotate-Render (FRR) modelinin HONDA/UCSD ve ESOGU-285 veri tabanları üzerinde performansları istatiksel metrikler ile karşılaştırılmıştır. Önleştirilen yüz imgeleri için öznitelikler elde edilerek yine bu tez kapsamında önerilen“Ayırt Edici Afin ve Konveks Zarf”sınıflandırıcıları ile modellenmiştir. Tez kapsamındaki bulgular incelendiğinde, küme tabanlı yöntemin nesnel ve öznel olarak yüz tanıma performansını iyileştirdiği gözlemlenmiştir. Tezin literatüre katkısı olarak; ön cephe tabanlı yüz önleştirme modeli ve CNN modelinden elde edilen öznitelikleri üzerinde yüksek başarım sağlayan“Ayırt Edici Afin ve Konveks Zarf”sınıflandırcıları önerilmiştir.
Özet (Çeviri)
Nowadays, the utilization of image sets instead of single face image has become a significant topic due to its enhancement of face recognition performance. The face images within a set are not always captured under ideal pose and lighting conditions. Therefore, preprocessing techniques are necessary to mitigate the effects of adverse conditions such as different pose angles. Face frontalization, which frontalize face images with different pose angles, is one of the important preprocessing steps that improves set-based face recognition performance. In this dissertation, a new face frontalization method was developed by utilizing frontal face images from each sets, and its effects on set-based face recognition performance were analyzed. Technically, a three-dimensional structure and a generative adversarial network model were trained for face frontalization by building upon the“Rotate-Render”method and integrating frontal images into the loss functions. This study compared the performances of the original Rotate-Render (RR) model and the proposed Frontal-based Rotate-Render (FRR) model using statistical metrics on the HONDA/UCSD and ESOGU-285 databases. The“Discriminative Affine and Convex Hull”classifiers, which were proposed within the scope of this dissertation, were utilized to model the features obtained from frontalized face images. The experiments of the dissertation revealed that the set-based method objectively and subjectively improved face recognition performance. As a contribution to the literature, frontal-based face frontalization and high-performance“Discriminative Affine and Convex Hull”classifiers derived from the CNN model's features were proposed.
Benzer Tezler
- Deep convolutional neural network based unconstrained ear recognition
Derin evrişimsel sinir ağı tabanlı kısıtsız kulak tanıma
FEVZİYE İREM EYİOKUR
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAZIM KEMAL EKENEL
- Affect recognition from facial expressions for human-computer interaction
İnsan-makine etkileşimi için yüz ifadelerinden duygu tanıma
SEZER ULUKAYA
Yüksek Lisans
İngilizce
2011
Elektrik ve Elektronik MühendisliğiBahçeşehir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM EROĞLU ERDEM
- Presentation attack detection with shuffled patch-wise binary supervision
Karıştırılmış yama tabanlı ikili gözetim ile sunum saldırı tespiti
ALPEREN KANTARCI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Age and gender classification from ear images
Kulak imgelerinden yaş ve cinsiyet sınıflandırma
DOĞUCAN YAMAN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAZIM KEMAL EKENEL
- Facial expression pair matching
Yüz ifadesi çifti eşleştirme
DENİZ ENGİN
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. SIDDIKA BERNA ÖRS YALÇIN