Derin evrişimsel ağlar kullanarak çevrimdışı sahte imza ve gerçek imza sınıflandırılması
Offline fake signature and real signature classification using deep convolutional networks
- Tez No: 877776
- Danışmanlar: DOÇ. DR. AHMET ÇINAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Bilim Dalı
- 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
- Generative adversarial networks based level generation for angry birds
Çekişmeli üretici ağlar ile angry birds bölümlerinin üretilmesi
BURKAN YILMAZ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı
DOÇ. DR. SANEM SARIEL UZER
- 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
2020
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ METEHAN MAKİNACI
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- Efficient super-resolution and MR image reconstruction networks
Verimli süper çözünürlük ve MR imgeleri geriçatım ağları
DURSUN ALİ EKİNCİ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- 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
2019
Elektrik ve Elektronik Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ZÜBEYİR ÜNLÜ