VGG-based feature extraction for face recognition system
Yüz tanıma sistemi için VGG tabanlı özellik çıkarma
- Tez No: 897226
- Danışmanlar: DOÇ. DR. OĞUZ ATA
- 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: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
• Yüz tanıma teknolojileri, güvenlik, biyometri ve sosyal medya gibi birçok şeyin ana yönlerinden biridir. İşte tam da bu noktada, VGG yaklaşımına dayalı yüz tanıma sistemimiz için bir özellik çıkarma işlemi sunuyoruz. Bir dizi yüz görüntüsü oluşturuyoruz ve ardından bunları işleyerek tüm görüntüleri tutarlı ve düşük kaliteli görüntülerden kaçınmak için düzgün bir şekilde ayarlıyoruz. Öncelikli model, sınıflandırma algoritmasıyla tanımlamayı izleyen yüzlerden yüksek düzeyde özellikler çıkarmak için kullanılan VGG16'nın kullanımını örneklemektedir. Sistem verimliliği, örneğin doğruluk hassasiyeti, geri çağırma ve F1 Puanı gibi kalite göstergeleri açısından değerlendirilir. Sonuçlar, VGG kullanılarak özellik çıkarmaya dayalı modelimizin yüksek doğruluğa sahip olduğunu ve bir LR modeliyle doğruluk oranının %91, ANN'nin 0,87, SVM'nin 0,89, KNN'nin 0,74, DT0,39, GB0,75 ve FR için RF'nin 0,74 olduğunu göstermektedir. Sonuçlar, önerdiğimiz modelin iyi çalıştığını ve yüz tanıma işlevlerinde verimli olduğunu göstermektedir. Bu tür araştırmaların yüz tanıma teknolojisini yeni bir gelişim aşamasına taşıdığına ve diğer çalışmalar için de güzel bir örnek teşkil edeceğine inanıyoruz.
Özet (Çeviri)
•Facial recognition technologies are one of the main aspects of many things for example; security, biometrics, and social media. That is where we go ahead to present a feature extraction for our face recognition system based on the VGG approach. We assemble a collection of facial images and then process them to keep all the images consistent and properly set to avoid poor-quality images. The prioritized model exemplifies the use of VGG16, employed to extract high-level features from faces, that follow identification by the classification algorithm. System efficiency is evaluated concerning indicators of quality, for instance, accuracy precision, recall, and F1-Score. The results show that our model, based on feature extraction using VGG, has high accuracy and an accuracy rate with an LR model is 91%, ANN 0.87, SVM 0.89, KNN 0.74, DT0,39, GB0.75, and RF 0.74for FR. The results show that our proposed works well and is efficient in facial recognition functions. We believe that this kind of research takes facial recognition technology to a new level of development and will be a great example for other studies.
Benzer Tezler
- Deep convolutional neural network based representations for person re-identification
Kişiyi yeniden tanıma için derin evrişimsel sinir ağı tabanlı modeller
ALPER ULU
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAZIM KEMAL EKENEL
- Transfer learning based facial emotion recognition and action unit detection
Transfer öğrenme tabanlı yüz ifadesinden duygu tanıma ve eylem birimi tespiti
SÜLEYMAN ENGİN BAĞLAYİCİ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Ayrıştırım tabanlı yöntemler ile medikal görüntülerin sınıflandırılması
Classification of medical images with decomposition based methods
FURKAN EREN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP GÜNDOĞAR
- Iris identification based on deep convolutional neural networks
Derin konvolüsyonel sinir ağlarına dayalı iris tanımlaması
AHMAD SALIHY
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. REMZİ YILDIRIM