Aktarım derin öğrenme metotları ile yüz ifadelerinden duygu tespiti
Emotion detection from facial expressions with transfer deep learning methods
- Tez No: 848266
- Danışmanlar: DOÇ. DR. YILMAZ KAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Derin öğrenme, Duygu Tanıma, ResNet Modeller, Deep Learning, Emotion Recognition, ResNet Models
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Batman Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Bilgi Teknolojileri Bilim Dalı
- Sayfa Sayısı: 64
Özet
Bu çalışma, yapay zekâ ve derin öğrenme tekniklerinin duygu tanıma yeteneklerini değerlendirmek amacıyla gerçekleştirilmiştir. İnsan duygularını anlama ve yüz ifadeleri aracılığıyla analiz etme ihtiyacı, teknolojinin gelişimiyle birlikte giderek artmaktadır. Bu bağlamda, Residual Network (ResNet) ve transfer derin öğrenme modelleri kullanılarak duygu analizi gerçekleştirilmiştir. Çalışmanın odak noktası, özellikle ResNet50 modelinin duygu tanıma görevindeki etkinliğini vurgulamaktır. ResNet mimarisi, derin sinir ağlarının eğitimini kolaylaştırmak ve aşırı uyum sorunlarını azaltmak amacıyla geliştirilmiştir. Modeller, transfer derin öğrenme yaklaşımıyla öğrenilen bilgileri duygu tanıma görevine aktarmayı amaçlamaktadır. Çalışma, Fer2013 veri seti üzerinde gerçekleştirilmiş ve modellerin performansı çeşitli metriklerle değerlendirilmiştir. Elde edilen sonuçlar, özellikle ResNet50 modelinin diğer modellere kıyasla daha yüksek başarı oranına sahip olduğunu göstermektedir. Bu sonuçlar, yapay zekâ temelli duygu tanıma uygulamalarının gelecekteki potansiyelini ve derin öğrenme modellerinin bu alandaki etkisini anlamamıza katkı sağlamaktadır. Çalışmanın bulguları, duygu tanıma teknolojilerinin geliştirilmesi ve iyileştirilmesi konusunda araştırmacılara rehberlik edebilir. Yapay zekâ tabanlı duygu analizi, sağlık sektöründen akıllı yaşam alanlarına kadar geniş bir yelpazede uygulamalar bulabilir ve insanmakine etkileşimini daha etkili hale getirebilir. Bu bağlamda, ResNet50 modelinin başarısı, duygu tanıma alanında derin öğrenme modellerinin kullanımının önemini vurgulamaktadır.
Özet (Çeviri)
This study was conducted to evaluate the emotion recognition capabilities of artificial intelligence and deep learning techniques. The need to understand human emotions and analyze them through facial expressions is increasing with the advancement of technology. In this context, emotion analysis was performed using Residual Network (ResNet) and transfer learning models. The focus of the study is to emphasize the effectiveness of the ResNet50 model in emotion recognition tasks. The ResNet architecture is developed to facilitate the training of deep neural networks and reduce overfitting issues. The models aim to transfer the knowledge learned through transfer deep learning to the emotion recognition task. The study was conducted on the Fer2013 dataset, and the performance of the models was evaluated with various metrics. The results obtained indicate that the ResNet50 model has a higher success rate compared to other models. These findings contribute to our understanding of the future potential of artificial intelligencebased emotion recognition applications and the impact of deep learning models in this field. The findings of the study can guide researchers in the development and improvement of emotion recognition technologies. Artificial intelligence-based emotion analysis can find applications in a wide range of fields, from the healthcare sector to smart living spaces, and enhance human-machine interaction. In this context, the success of the ResNet50 model emphasizes the importance of using deep learning models in the field of emotion recognition.
Benzer Tezler
- Die wirkung der pragmalinguistik auf den daf unterricht
Edimbilimin Almanca yabancı dil dersine etkisi
HATİCE KOÇ
Yüksek Lisans
Almanca
2022
Alman Dili ve EdebiyatıNecmettin Erbakan ÜniversitesiYabancı Diller Eğitimi Ana Bilim Dalı
PROF. DR. HASAN YILMAZ
- Plastik ekstrüzyon prosesinin yapay zeka ile modellenmesi
Modelling the plastic extrusion process with artifical intelligence
OGÜN ŞİMŞEK
Yüksek Lisans
Türkçe
2024
Mekatronik MühendisliğiBandırma Onyedi Eylül ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED MİLANİ
- Derin öğrenme tabanlı görüntü gürültü giderme için yoğun bağlantı kullanan yeni yaklaşımlar
Densely connected structures in deep learning based image denoising
VEDAT ACAR
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Ship detection and classification using type of convolution neural networks
Evrişimli sinir ağları kullanılarak gemi tanıma ve sınıflandırma
YUSUF KUNT
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELMA ÖZAYDIN
- Increasing the urban mobility of migrant women, transferring experience from Berlin to Istanbul: A pilot study in Kurfali, Kartal
Göçmen kadınların kentsel hareketliliğinin arttırılması, Berlin'den İstanbul'a deneyim transferi: Kurfalı, Kartal'da bir pilot çalışma
MELİS OĞUZ
Doktora
İngilizce
2015
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. ÖZLEM ÖZÇEVİK
PROF. DR. GABI DOLFF-BONEKAMPER