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
- 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
- User authentication and distinguishing child users from adults with keystroke dynamics
Tuşlama dinamiği ile kullanıcı doğrulama ve çocuk kullanıcıların yetişkinlerden ayırt edilmesi
YASİN UZUN
Doktora
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
PROF. DR. NAZİFE BAYKAL
DOÇ. DR. KEMAL BIÇAKCI
- Machine learning approach for predicting severity of obstructive sleep apnea syndrome
Obstrüktif uyku apnesinin şiddetinin tahminlenmesinde makine öğrenmesi yaklaşımı
ONURHAN HAMZAOĞLU
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
PROF. DR. FETHİYE AYLİN SUNGUR
- Sayısal haritalama teknikleri kullanılarak DNA dizilimleri üzerinden lösemi hastalığının temel türlerinin yapay zeka tabanlı algoritmalar ile sınıflandırılması
Classification of main types of leukemia disease with artificial intelligence-based algorithms on the DNA sequences using digital mapping techniques
FATMA AKALIN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK