Geri Dön

Derin evrişimsel ağlar kullanarak çevrimdışı sahte imza ve gerçek imza sınıflandırılması

Offline fake signature and real signature classification using deep convolutional networks

  1. Tez No: 877776
  2. Yazar: TUBA TALO
  3. Danışmanlar: DOÇ. DR. AHMET ÇINAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yazılım Bilim Dalı
  13. Sayfa Sayısı: 67

Özet

Bu tez çalışmasında günümüzde insan hayatında önemli bir etkiye sahip olan derin öğrenme yöntemleri kullanılarak imza doğrulama ele alınmıştır. Son zamanlarda artan sahtecilik olaylarından sonra çevrim dışı imzaların incelenmesi belge inceleme uzmanları tarafından oldukça iş yükü oluşturmuştur. Yapay zeka'nın gelişimi ile birlikte imza doğrulama otomatik hale getirmek amacıyla derin öğrenme tekniklerinin ilerlemesi ile birlikte çeşitli yöntemler denenmiştir. Derin öğrenme yöntemlerinden olan evrişimsel sinir ağları kullanılmıştır. Evrişimsel sinir ağlarına ait görüntü sınıflandırmada kullanılan; AlexNet, DenseNet121, MobileNet, Vgg16, Vgg19, Resnet50, Resnet101, InceptionV1, InceptionV3 mimarileri kullanılmıştır. Kullanılan veri setleri GPDS ve ICDAR2011 imza veri setleridir. Bu veri setleri için kullanılan modellerden en yüksek başarı oranları karşılaştırılmıştır. GPDS veri seti için en yüksek doğruluk oranı MobileNet mimarisinde %99.72, ICDAR2011 veri seti için en yüksek doğruluk oranı InceptionV3 mimarisinde %99.92 elde edilmiştir.

Özet (Çeviri)

In this thesis, signature verification, which has a significant impact on human life today, has been addressed using deep learning methods. After the recent increase in fraudulent activities, the examination of offline signatures has posed a considerable workload for document examiners. With the advancement of artificial intelligence, various methods have been tried to automate signature verification with the progress of deep learning techniques. Convolutional neural networks, a deep learning method, have been employed. Architectures of convolutional neural networks used in image classification, namely AlexNet, DenseNet201, MobileNet, Vgg16, Vgg19, Resnet50, Resnet101, InceptionV1, InceptionV3, have been utilized. The GPDS and ICDAR2011 signature datasets have been used. The highest success rates from the models used for these datasets have been compared. The highest accuracy rate for the GPDS dataset was achieved with the MobileNet architecture, while for the ICDAR2011 dataset, the highest accuracy rate was obtained with the InceptionV3 architecture.

Benzer Tezler

  1. Generative adversarial networks based level generation for angry birds

    Çekişmeli üretici ağlar ile angry birds bölümlerinin üretilmesi

    BURKAN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Oyun ve Etkileşim Teknolojileri Ana Bilim Dalı

    DOÇ. DR. SANEM SARIEL UZER

  2. Handwritten character recognition and document analysis using deep neural networks

    Derin sinir ağları kullanarak el yazısı algılama ve belge analizi

    BARIŞ KILIÇLAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ METEHAN MAKİNACI

  3. Derin öğrenme ile cerrahi video anlama

    Surgical video understanding with deep learning

    ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU SARIKAYA

  4. Efficient super-resolution and MR image reconstruction networks

    Verimli süper çözünürlük ve MR imgeleri geriçatım ağları

    DURSUN ALİ EKİNCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  5. Design of an offline ottoman character recognition system for translating printed documents to modern turkish

    Basılı dökümanların modern türkçeye çevrilmesi için çevrimdışı osmanlıca karakter tanıma sistemi tasarımı

    NAZ KÜÇÜKŞAHİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİzmir Yüksek Teknoloji Enstitüsü

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ZÜBEYİR ÜNLÜ