Genişletilmiş evrişimli sinir ağları kullanarak gerçek zamanlı yüz tanıma
Real-time face recognition using extended convolutional neural networks
- Tez No: 828428
- Danışmanlar: DR. YAHYA ŞİRİN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Görüntü işleme-bilgisayarlı, Image processing-computer assisted
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Sabahattin Zaim Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın konusu, gerçek zamanlı görüntülerde derin öğrenme temelli yüz tanıma sistemleri üzerinedir. Araştırma, yüz tanıma sistemleri içerisinde öznitelik elde etmek için kullanılan evrişimli sinir ağları kapsamında gerçekleştirilmiştir. Gerçek zamanlı görüntüler,“yüz bulma”,“öznitelik çıkarma”,“vektörel dönüşüm”,“sınıflandırma ve başarım ölçme”olmak üzere dört aşamada incelenmiştir. Yüz tanıma sistemlerinde, ışık yönü, yansıma, yüz ifadesindeki duygusal ve fiziksel değişimler tanımayı zorlaştıran başlıca unsurlar olarak bilinmektedir. Akan görüntü çerçevelerinde karşılaştırılan her görüntüde meydana gelebilen bu unsurlar hatalı tanımlamalara yol açmaktadır. Araştırmada, arka plan veya sahne değişimleri tespit yöntemi önerilerek, evrişimli sinir ağlarından elde edilen özniteliklerin karşılaştırması birlikte kullanılmıştır. Bu model, sahnenin değişmediği blokları tespit eder ve sınıflandırıcı aşamasında kullanılan karşılaştırma eşik değerini yeni bir değerle daha kesin olarak belirlemeye çalışır. Değişmeyen sahne blokları arasında hassasiyet oranının arttırılması, veri tabanındaki örnekler arasında daha az karşılaştırma yapılmasına olanak tanır. Deneysel çalışmada önerilen model, orijinal derin metrik öğrenme modeline kıyasla %99,25 doğruluk ve %99,28 F-1 değerlerine ulaşmıştır. Deneysel sonuçlar, değişmeyen sahnelerde aynı kişinin yüz görüntülerinde farklılıklar olsa bile, karşılaştırılan örneklem alanı daraltıldığı için yanlış tanımanın çok daha aza indirilebileceğini göstermektedir.
Özet (Çeviri)
This study's subject is face recognition systems based on deep learning in real-time images. The research was carried out within the scope of convolutional neural networks used to obtain features in face recognition systems. Real-time images were analyzed in four stages:“face detection,”“feature extraction,”“vector transformation,”and“classification and performance measurement.”In face recognition systems, light direction, reflection, and emotional and physical changes in facial expression are known as the main factors that make recognition difficult. These elements, which can occur in every image compared to flowing image frames, lead to erroneous definitions. The background or scene changes detection method was proposed in the research, and the comparison of the features obtained from the convolutional neural networks was used together. This model detects blocks where the scene has not changed and tries to more precisely determine the comparison threshold value used in the classifier stage with a new value. Increasing the precision ratio between unchanging scene blocks allows for fewer comparisons between instances in the database. The model proposed in the experimental study reached 99,25% accuracy and 99,28% F-1 values compared to the original deep metric learning model. Experimental results show that even if there are differences in facial images of the same person in unchanging scenes, false recognition can be minimized as the compared sample area is narrowed.
Benzer Tezler
- Stochastic bitstream-based vision and learning machines
Stokastik bit akışı tabanlı görü ve öğrenme makineleri
SERCAN AYGÜN
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- A new framework for decentralized social networks: Harnessing blockchain, deep learning, and natural language processing
Merkezsiz sosyal ağlar için yeni bir çerçeve: Blok zinciri, derin öğrenme ve doğal dil işlemeyi kullanmak
AMIR AL KADAH
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ BALTA
- Çok-hızlı ISDN'de geniş bantlı çağırma kurma servisi ve LAN uygulamaları
Multirate ISDN wideband call processing and LAN applications
KENAN ŞAHİN
Yüksek Lisans
Türkçe
2000
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. GÜNSEL DURUSOY
- Matrix norm based-solution methods and machine learning: Stochastic games and their applications
Matris norm tabanlı çözüm yöntemleri ve makine öğrenmesi: Stokastik oyunlar ve uygulamaları
MURAT ÖZKAYA
Doktora
İngilizce
2024
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURHANEDDİN İZGİ
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA