Online facial race and gender recognition based on convolutional neural networt
Evrişimsel sinir ağlarına dayalı çevrimiçi yüz ırk ve cinsiyet tanıma
- Tez No: 866371
- Danışmanlar: DOÇ. DR. BÜLENT TURAN, DR. ÖĞR. ÜYESİ MAİWAN BAHJAT ABDULRAZAQ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Yüz tanıma, adalet, etik, sosyal adalet, yasal bağlılık, teknolojik ilerleme ve kamu güveni üzerindeki geniş etkileri nedeniyle büyük önem taşıyor. Bu alandaki araştırma çabalarını ilerleterek ve daha kesin ve tarafsız sistemler oluşturarak, daha adil ve daha kapsayıcı bir toplumun geliştirilmesine katkıda bulunabiliriz. Derin öğrenme ve bilgisayarla görme teknikleri, çeşitli alanlardaki araştırmacılar ve geliştiriciler tarafından, özellikle önyargı ve temsil sorunlarının ele alınmasında, dikkate değer ve hızlı bir ilerleme göstererek yaygın bir şekilde benimsenmiştir. Bireyleri cinsiyete ve ırka göre ayırt etmek için geliştiriciler genellikle renkleri ve yüz özelliklerini analiz etmeye odaklanır. Bu tez, yüz ırkını ve cinsiyeti tanımlayan iki evrişimli sinir ağı modelini sunmaktadır. Model, dört ırk kategorisini (Afrikalı, Asyalı, Hintli ve Kafkasyalı) ve her iki cinsiyeti kapsayan veri kümeleri üzerinde eğitim ve değerlendirmeden geçti. Bu veri kümelerini“güzel yüz”,“SCUT-FBP5500_v2”, aynı zamanda AFD veri kümesi olarak da bilinen“cnsifd_faces_bmp”,“Indian_actors_faces”ve“img_align_celeba”gibi çeşitli kaynaklardan derledik. Dört ırksal gruba ait birleştirilmiş veri kümeleri, 1.200'ü erkek ve 1.200'ü kadın olmak üzere eşit olarak bölünmüş 2.400 kamuya açık görüntüden oluşuyor. Her ırk kategorisi, her cinsiyetten 300'er adet olmak üzere rastgele seçilmiş 600 örnek içerir. Bu tez, ırk ve cinsiyetlerin sınıflandırılmasına yönelik iki model sunmaktadır. Bunlardan biri çok sınıflı sınıflandırma, ikincisi ise ırk ve cinsiyetin sınıflandırılmasına yönelik İkili sınıflandırmadır. Irk ve cinsiyet analizi. Deneysel sonuçlar, ikili sınıflandırma yönteminin doğruluk açısından çok sınıflı sınıflandırma performansından daha iyi performans gösterdiğini ortaya koymaktadır. İkili Sınıflandırma modelinde daha iyi performans elde edilmesi nedeniyle. Bu çalışma, dört ırkı sınıflandırmak için İkili Sınıflandırma modelini seçecek ve İkili Sınıflandırma RGCNN modelinin performansını diğer üç önceden Eğitilmiş Modelle karşılaştıracaktır. Bu çalışma, Irk Cinsiyet Evrişim Sinir Ağının (RGCNN) ikili sınıflandırma performansını CNN önceden eğitilmiş modellerle karşılaştırmaktadır. Deneysel sonuçların analizi şunu ortaya koymaktadır. Irk Cinsiyet Evrişim Sinir Ağı (RGCNN) sonuçları, hem ırk hem de cinsiyet sınıflandırmasında doğruluk açısından diğer modellerden daha iyi performans gösterdiğini ortaya koyuyor. Irksal sınıflandırmada ResNet50 ve InceptionV3 ikinci sırada yer alırken, VGG19 onu takip ediyor. RGCNN modeli özellikle hafif tasarımı ve azaltılmış parametre sayısıyla öne çıkıyor. VGG19 modeli ise ikinci sırada yer alıyor. Parametre sayısı açısından InceptionV3 üçüncü sırada yer alırken, onu en yüksek parametre sayısına sahip ResNet50 takip ediyor. Sistemin 40 kişilik bir örneklemde ırk ve cinsiyet sınıflandırmalarını kapsayan tahmin yetenekleri %98 gibi etkileyici bir doğruluk oranına ulaşıyor
Özet (Çeviri)
Facial recognition holds significant importance due to its broad implications for fairness, ethics, social justice, legal adherence, technological advancement, and public confidence. By pushing forward research efforts in this domain and crafting more precise and impartial systems, we can contribute to fostering a society that is fairer and more inclusive. Deep learning and computer vision techniques have seen widespread adoption by researchers and developers across various domains, particularly in addressing issues of bias and representation, demonstrating notable and swift progress. To distinguish individuals based on gender and race, developers often focus on analyzing colors and facial features. This thesis presents a two convolutional neural network models that identifies facial race and gender. The models underwent training, validation, testing and evaluation on datasets encompassing four racial categories (African, Asian, Indian, and Caucasian) and both genders. We curated these datasets from various sources, such as“beautiful face,”“SCUT-FBP5500_v2,”also known as the AFD dataset,“cnsifd_faces_bmp,”“Indian_actors_faces,”and“img_align_celeba.”The combined datasets for the four racial groups comprise 2,400 publicly identifiable images, evenly divided into 1,200 males and 1,200 females. Each racial category includes 600 randomly selected samples, with 300 from each gender. This thesis present two models for classification of race and genders. one is multi-Class classification
Benzer Tezler
- Çevrimiçi öğrenmede akıllı duyuşsal geri bildirimin öğrenen bağlılığı, memnuniyeti ve algılanan öğrenmeye etkisi
The effect of intelligent affective feedback on learner engagement, satisfaction and perceived learning in online learning
ASLI KIMAV
Doktora
Türkçe
2023
Eğitim ve ÖğretimAnadolu ÜniversitesiUzaktan Eğitim Ana Bilim Dalı
PROF. DR. CENGİZ HAKAN AYDIN
- Facial emotion recognition in borderline personality organization
Borderline kişilik örüntüsünde yüzden duygu tanıma
MERVE DENİZ
Yüksek Lisans
İngilizce
2024
PsikolojiBaşkent ÜniversitesiPsikoloji Ana Bilim Dalı
DOÇ. DR. ELVİN DOĞUTEPE
- Real-time online education student lecture emotion detection
Gerçek zamanlı çevrimiçi eğitim öğrenci dersi duygu tespiti
MARWAN AL SOKARI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OKATAN
- Fizyolojik işaretler yardımıyla kalp atışı tespiti ve uygulamaları
Heart rate detection using physiological signs and its applications
MUSTAFA KORKMAZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAFFET VATANSEVER
- Duygusal yüz ifadelerinin risk alma davranışına etkisi
The effects of emotional facial expressions on risk taking behavior
ELİF SİVRİ
Yüksek Lisans
Türkçe
2024
PsikolojiEge ÜniversitesiPsikoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ELVAN ARIKAN İYİLİKCİ