Explanatory comparative study of ai models in face expression recognition
Yüz ifadesi tanıma alanında yapay zeka modellerinin karşılaştırılmalı açıklamalı çalışması
- Tez No: 830518
- Danışmanlar: PROF. DR. MUKDEN UĞUR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Evrişimli sinir ağları, Convolutional neural networks
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Türk-Alman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Robotlar ve Akıllı Sistemler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, yüz ifadesi tanıma görevinde yaygın olarak kullanılan beş CNN mimarisinin analizini ve karşılaştırmasını sunmaktadır. Amaç, bu zorlu bilgisayarla görme görevi için Keras kütüphanesinde bulunan farklı CNN mimarilerinin performansını değerlendirmektir. Karşılaştırma için seçilen CNN mimarileri arasında VGG19, InceptionV3, ResNet152V2, MobileNetV2 ve EfficientNetV2B1 bulunmaktadır. Bu araştırmada iki farklı türde yüz veri seti kullanılmıştır. İlk veri seti, dengesiz yapısıyla bilinen ve bu alanda yaygın olarak kullanılan Fer2013 veri setidir. İkinci veri seti ise Max-Planck Enstitüsü'nün FACES veri setidir ve dengeli bir yapıya sahip bireylerin pozlanmış görüntülerinden oluşmaktadır. Bu veri setlerinin her ikisi de etiketli yüz ifadesi içeren görüntülerdir. Bu görüntülere döndürme, kaydırma, yeniden boyutlandırma ve yeniden ölçeklendirme gibi ön işleme adımları uygulanmıştır. Bu bir karşılaştırmalı analiz çalışması olduğu için tüm modellere aynı transfer öğrenme adımları uygulanır. Bu eğitimden elde edilen sonuçlar, çalışmanın her yönünü analiz etmek için gerekli olan test doğruluğu kullanılarak değerlendirilir. Adil bir karşılaştırma sağlamak için tüm modellere aynı transfer öğrenme adımları uygulanmıştır. Modeller, veri seti üç kümeye bölünerek eğitilir; eğitim veri seti, doğrulama veri seti ve test veri seti. Karşılaştırmalı çalışma, her CNN mimarisinin yüz ifadesi tanıma görevlerinde farklı performans seviyeleri sergilediğini ortaya koymaktadır. Çalışma, yüz ifadesi tanımada her bir CNN mimarisinin güçlü ve zayıf yönleri hakkında önemli bilgiler sağlamaktadır. Genel olarak, bu karşılaştırma çalışması VGG19, InceptionV3, ResNet152V2, MobileNetv2 ve EfficientNetV2B1 mimarilerinin yüz ifadelerini tanımadaki etkinliği hakkında netlik sağlamaktadır. Bilgisayarla görme ve ifade analizi alanlarındaki araştırmacılar için değerli bir kaynak niteliğindedir.
Özet (Çeviri)
This thesis provides an analysis and comparison of five widely used CNN architectures in face expression recognition task. The objective is to evaluate the performance of different CNN architectures available in the Keras library for this challenging computer vision task. The chosen CNN architectures for comparison include VGG19, InceptionV3, ResNet152V2, MobileNetV2, and EfficientNetV2B1. Two different kinds of facial datasets are used in this research. The first dataset is Fer2013, a commonly used dataset in this domain known for its unbalanced structure. The second dataset is the FACES dataset from the Max-Planck Institute, comprising posed images of individuals with a balanced structure. Both of these datasets contain labeled face expression images. Pre-processing steps, such as rotation, shift, resizing, and rescaling, are applied to these images. Since this is a comparative analysis study, the same transfer learning steps are applied to all models. The results from this training are evaluated using test accuracy, which is necessary for analyzing every aspect of the study. To ensure a fair comparison, the same transfer learning steps are applied to all models. The models are trained by dividing the dataset into three sets; training data set, validation data set, and test data set. The comparative study reveals that each CNN architecture exhibits different levels of performance in facial expression recognition tasks. The study provides significant knowledge about the strengths and weaknesses of each CNN architecture in face expression recognition. Overall, this comparison study provides clarity on the effectiveness of VGG19, In- ceptionV3, ResNet152V2, MobileNetv2, and EfficientNetV2B1 architectures in recognizing facial expressions. It serves as a valuable resource for researchers in the fields of computer vision and expression analysis.
Benzer Tezler
- Disposition bias for different investor categories in Borsa Istanbul
Borsa İstanbul'da farklı yatırımcı grupları için eğilim yanlılığı
EVRİM HİLAL KAHYA
Doktora
İngilizce
2022
Maliyeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. CUMHUR ENİS EKİNCİ
- Yükselen ekonomilerde sanayi politikalarının iktisadi büyüme ve teknolojik gelişmeye etkisi: Ekonometrik bir analiz
The impact of industrial policies on economic growth and technological progress in emerging economies: An econometric analysis
AYŞE YAMAK
- Comparison of machine learning algorithms on consumer credit classification
Tüketici kredilerinin sınıflandırması üzerinde makineöğrenimi algoritmalarının karşılaştırması
OĞUZ KOÇ
Yüksek Lisans
İngilizce
2019
İstatistikOrta Doğu Teknik ÜniversitesiFinansal Matematik Ana Bilim Dalı (disiplinlerarası)
PROF. DR. AYŞE SEVTAP KESTEL
PROF. DR. ÖMÜR UĞUR
- Class and culture: The cases of Kırıkkale and Ankara
Sınıf ve kültür: Kırıkkale ve Ankara örnekleri
HAYRİYE ERBAŞ
Doktora
İngilizce
1993
SosyolojiOrta Doğu Teknik ÜniversitesiSosyoloji Ana Bilim Dalı
PROF.DR. BAHATTİN AKŞİT
- Kurumsal yapı ve ekonomik büyüme ilişkisi: Gelişmiş ve gelişmekte olan ülkeler için karşılaştırmalı bir analiz
The relationship between institutional structure and economic growth: A comparative analysis for developed and developing countries
SİNAN ERDOĞAN
Yüksek Lisans
Türkçe
2016
EkonomiMustafa Kemal Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. ALİ ACARAVCI