Age and gender detection using machine learning techniques with Open CV
Makine öğrenmesi teknikleri kullanarak Open CV ile yaş ve cinsiyet tespiti
- Tez No: 898817
- Danışmanlar: DR. ÖĞR. ÜYESİ ALPER FİDAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Makine Öğrenimi, OpenCV, Python, Sinir Ağı, Adience Veri Kümesi, Machine Learning, OpenCV, Python, Neural Network, Adience Dataset
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 56
Özet
Yaş ve Cinsiyet tespiti konusu, reklamcılık, sağlık hizmetleri, sosyal medya ve güvenlik gibi yeni çağın birçok teknolojik gelişmesinin en önemlilerinden biri olarak görülebilir. Bu araştırma çalışması, Açık Kaynak Bilgisayarlı Görme (Açık CV) ve Python programlama dili ile makine öğrenmesi tekniklerine dayalı yaş ve cinsiyet tespiti üzerine bir model ortaya koymaktadır. Model, ilgili bireylerin yaşını ve cinsiyetini belirlemek amacıyla insan yüzünün yüz ifadeleri, kenarlar ve kırışıklıklar gibi belirli özelliklerini filtrelemek için eğitimli bir sinir ağından yararlanıyor. Araştırma çalışması, Adience Veri Kümesi olarak bilinen halka açık bir veri kümesi üzerinde gerçekleştirildi. Elde edilen doğruluk düzeyi yaş ve cinsiyet tanımlaması için sırasıyla %89 ve %95 olarak kategorize edilebilir. Modelin etkinliği tespit sürecinde oldukça doğru görülebilmekte ve birçok ileri durumda kullanılabilmektedir.
Özet (Çeviri)
The topic of Age and Gender detection can be seen as one of the most important in many technological advances of the new age such as advertising, health care, social media, and security. This research study brings about a model on age and gender detection based on machine learning techniques with Open-Source Computer Vision (Open CV) and Python programming language. The model makes use of a trained neural network to filter certain characteristics of a human face, such as facial expressions, edges, and wrinkles to identify the age and gender of the concerned individuals. The research work was performed on a publicly available dataset known as Adience Dataset. The accuracy level obtained can be categorized as 89% and 95% for age and gender identification respectively. The effectiveness of the model can be seen as quite accurate in the detection process and can be used in many advanced cases.
Benzer Tezler
- Makine öğrenmesi yöntemleri ile el ve yüz analizi tahminlemesi
Hand and face analysis prediction with machine learning methods
HÜSNEİREM KAYA
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KAYHAN AYAR
- Dikkat eksikliği ve hiperaktivite bozukluğu olan çocukların el yazılarının görüntü işleme teknikleri ile analizi
Analysis of handwriting of children with attention deficit hyperactivity disorder using image processing techniques
ÖZLEM YILDIZ BUDAK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED FATİH ADAK
- Kalp hastalıklarının teşhisi için makine öğrenmesi tabanlı yaklaşım
Machine learning-based approach for diagnosis of heart diseases
İBRAHİM ÇAĞATAY İLİKÇİ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiEnformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH TOPALOĞLU
- Diyabet tespitinde makine öğrenmesi algoritmaları yaklaşımını kullanarak yapılmış bir çalışma
A study using the approach of machine learning algorithm in detection of diabetes
AYŞE DOĞRU
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT ARI
DR. ÖĞR. ÜYESİ SELİM BUYRUKOĞLU
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN