Parmak görüntüleri üzerinden kişi yaş ve cinsiyet tahmini yapılması
Prediction of individuals age and gender based on fingerphoto
- Tez No: 866225
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET ALİ YALÇINKAYA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Biyometrik, Derin öğrenme, Biometric, Deep learning
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kırşehir Ahi Evran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İleri Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, Deep Recurrent Fingerphotos Network (DRFN) olarak adlandırılan, bir Derin Tekrarlayan Öğrenme (DRL) modeli, aracılığı ile parmak fotoğrafı görüntülerine dayalı kişi tanıma, yaş tahmini ve cinsiyet tahmini işlemlerini içermektedir. Önerilen DRFN modelinin mimarisi; bir giriş katmanı, birkaç gizli katman, bir çıkış katmanı ve bir geri besleme bağlantısından oluşmaktadır. Önerilen modelin doğruluğunu test edebilmek adına, araştırmacılar tarafından, tamamı özgün görüntülerden oluşan bir veri seti toplanmıştır. Söz konusu veri seti içerisinde her bir insana ait 10 parmağın farklı açıdan çekilmiş 10 fotoğrafı bulunmaktadır. Toplanan özgün veri seti üzerinde, çalışma kapsamında gerçekleştirilen işlemler arasında parmak fotoğrafı görüntüleri aracılığıyla kişi tanıma, cinsiyet belirleme, yaş tahmini ve performans sonuçlarının değerlendirilmesi yer almaktadır. Söz konusu çalışma içerisinde ayrıca, önerilen DRFN modeli ile AlexNet, LeNet, GoogleNet, VGG16 ve ResNet-50 gibi özellik çıkarma için kullanılan diğer iyi bilinen derin öğrenme ağları arasında yapılan kapsamlı deneyler ve karşılaştırmalar da yer almaktadır. Bu değerlendirmelerde Destek Vektör Makinesi (SVM), Rastgele Orman, Çok Katmanlı Algılayıcı (MLP), Doğrusal Regresyon ve Lojistik Regresyon dahil olmak üzere çeşitli sınıflandırıcılar kullanılmıştır. Gerçekleştirilen analizlerin değerlendirilmesinde, Precision, Recall ve F1-Score gibi çok çeşitli performans ölçütleri kullanılmıştır. Elde edilen sonuçlar, önerilen DRFN modelinin kıyaslanan algoritmalardan daha iyi performans gösterdiğini ve parmak fotoğraflarınınkişi tanıma, cinsiyet tanıma ve yaş tahmini gibi alanlarda kullanılabileceğini göstermiştir. Bu tez, parmak fotoğrafı kullanarak bireysel doğrulama için DRL tabanlı bir çerçeve önermekle kalmamakta, aynı zamanda ayrıntılı deneyler ve karşılaştırmalı analizler yoluyla etkinliğini göstermektedir.
Özet (Çeviri)
This thesis work involves a Deep Recurrent Learning (DRL) model called the Deep Recurrent Fingerphotos Network (DRFN), which performs individual recognition, age estimation, and gender prediction based on finger photo images. The architecture of the proposed DRFN model consists of an input layer, several hidden layers, an output layer, and a significant feedback connection. This connection allows the sequential processing of finger photo images taken from an individual's ten fingers, enabling the DRFN to dynamically adjust the importance of each finger photo. To test the accuracy of the proposed model, researchers have collected a dataset consisting entirely of original images, featuring samples from individuals. For each individual, there are photos of all ten fingers taken from ten different angles. The tasks performed within the scope of the study on this original dataset include individual recognition, gender determination, age estimation, and the evaluation of performance results. Additionally, the study includes extensive experiments and comparisons between the proposed DRFN and other well-known deep learning networks used for feature extraction such as AlexNet, LeNet, GoogleNet, VGG16, and ResNet-50. These evaluations also utilized various classifiers including Support Vector Machines (SVM), Random Forest, Multilayer Perceptron (MLP), Linear Regression, and Logistic Regression. A wide range of performance metrics such as Precision, Recall, and F1-Score were used in the evaluation of the analyses. The results demonstrate that the proposed DRFN model performs better than the compared algorithms and that finger photos can be used in fields such as individual recognition, gender recognition, and age estimation. This thesis not only proposes a DRL-based framework for individual verification using finger photos but also demonstrates its effectiveness through detailed experiments and comparative analyses.
Benzer Tezler
- 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
- Farklı yaş gruplarında el ve el bileğinin radyografik görüntüleme ile incelenmesi
Investigation of the hand and wrist in different age groups using radiographic imaging
AYNUR OLTAN
- KOAH'lı hastalarda pulmoner arter basıncı ve pulmoner arter çapının hastalığın evresi ve süresi ile ilişkisi
Relationship between pulmonary artery pressure, pulmonary artery diameter, and disease severity and duration in patients with COPD
HALİSE KARABAŞ YAYLA
Tıpta Uzmanlık
Türkçe
2026
Göğüs HastalıklarıNecmettin Erbakan ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
DOÇ. DR. CELALETTİN KORKMAZ
- Voice recognition system with score level fusion methods and embedded system design
Skor seviyesi füzyon metotları ile ses tanıma sistemi ve gömülü sistem tasarımı
CİHAN AKIN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. MÜRVET KIRCI
- Güncel makine öğrenmesi teknikleri ile iris görüntülerinden cinsiyet analizi
Gender analiysis on iris images using novel machine learning techniques
TUĞBA AÇIL
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAKUP KUTLU