Gender and age detection by feature selection using resnet50 based on CNN algorithm
Başlık çevirisi mevcut değil.
- Tez No: 832568
- Danışmanlar: PROF. DR. GALİP CANSEVER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- 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
Yüz oranlarının kullanımında, çeşitli faktörlerin yüz analizi yöntemleri ve esas olarak performansa müdahale edilebilir. Ortam aydınlatma durumu, kameranın kişinin doğru konumlandırılması, yüz konumu ve iki boyutlu görüntü olarak yakalandığında üç boyutlu değişim kaybı gibi değişken analizleri değiştirilmektedir. Yüz kayıtları ve ön norm yüz sefalometrik noktalara dayalı ölçümler kullanılarak yaş ve cinsiyet tahmin süreci için otomatik bir çözüm. Yaş ve cinsiyetin doğru teşhisine katkıda bulunan en temel özelliklerin tanımlanmasıte özgürüz. Kullanıcıların yaşlarını ve cinsiyetlerini yüksek doğrulukla tespit edilebilen bir sistem kuruldu. Diğer derin öğrenme yöntemleriyle karşılaştırıldığında, minimal NN'yi kullanan tanımlama prosedürü yalnızca basit değil, aynı zamanda programlama ve bellek açısından da verimliydi. Elde edilen cevaplar son derece net, güvenilir ve kesin olup, deneğin cinsiyeti gibi doğru tahminlerdir. Tekniğe zararları dahil etmek, yaşın dikkate alınmasını sağlayacak sonuçların elde edilmesini sağlar..
Özet (Çeviri)
In the use of facial images, several factors can interfere in the facial analysis process and mainly in the result. Factors such as the ambient lighting condition, camera positioning towards the person, face position and the loss of three-dimensional information when captured as a two-dimensional image interfere in the analysis process the main objective of this paper is to develop computational techniques that implement an automatic solution for the age and sex estimation process using facial images and metrics based on frontal norm facial cephalometric points we are free to study the most essential features that contribute to an accurate diagnosis of age and gender. We have built a system that can determine the ages and genders of users with a high degree of accuracy. In comparison to other deep learning methods, the identification procedure utilizing the minimal NN was not only straightforward but also computationally and memory efficient. The obtained answers are crystal clear, reliable, and precise, with accurate predictions such as the subject's gender. Incorporating bias into the technique enables it to generate results that may be relied upon when age is considered.
Benzer Tezler
- Yüz resimlerinden çoklu makine öğrenmesi yaklaşımları ile yaş ve cinsiyet bilgisinin tespit edilmesi
Estimating of age and gender information from face images with multiple machine learning methods
UĞUR TURHAL
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET AKBAŞ
- Machine learning approach for predicting severity of obstructive sleep apnea syndrome
Obstrüktif uyku apnesinin şiddetinin tahminlenmesinde makine öğrenmesi yaklaşımı
ONURHAN HAMZAOĞLU
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. FETHİYE AYLİN SUNGUR
- Diyabet tespitinde makine öğrenmesi algoritmaları yaklaşımını kullanarak yapılmış bir çalışma
A study using the approach of machine learning algorithm in detection of diabetes
AYŞE DOĞRU
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT ARI
DR. ÖĞR. ÜYESİ SELİM BUYRUKOĞLU
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Lie detection from voice and heart rate
Ses ve kalp atış hızından yalan tespiti
ŞERİFE ÖZDAMARLAR
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZKAN KILIÇ