A case study on various preprocessing methods and their impact on face recognition using random forest
Çeşitli ön işleme yöntemleri üzerine bir vaka çalışması ve onlarin yüz tanıma üzerine etkileri rastgele ormanı kullanarak
- Tez No: 901224
- Danışmanlar: YRD. DOÇ. DR. SHAFQAT UR REHMAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Rastgele orman, gradyan yüzler, dalgacık gürültü temizleme, ayrık kosinüs dönüşümü, tek ölçekli retineks, pp zinciri, aydınlanma değişimi, kapanan yüzler
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 57
Özet
Rastgele orman, günlük hayatımızdaki farklı örüntüleri farklı amaçlarla sınıflandırmak için kullanılan tanınmış bir güçlü sınıflandırıcıdır; görüntü ve nesne sınıflandırması gibi birçok alanda kullanılmaktadır. Bu tezde, yüz tanımada kullanılan beş ön işleme yönteminin rasgele orman sınıflandırıcısının performansı üzerindeki etkisi araştırılmıştır; beş farklı ön işleme yöntemi (Tek Ölçekli Retinex, Ayrık Kosinüs Dönüşümü, Dalgacık Gürültü Temizleme, Gradyan Yüzler ve Tan ve diğerleri tarafından önerilen PP zinciri olarak bilinen yöntem) uygulanmıştır. Her biri için ayrı bir rasgele orman sınıflandırıcısı kullanılmıştır. Her yöntem için hata oranı hesaplanmıştır. Bu çalışma, kapanma ve aydınlanma değişimi gibi olumsuz etkiler altında bir Yüz Tanıma Sistemi üzerinde uygulanmıştır. Tüm deneyler MATLAB ve Genişletilmiş Yale B veritabanı kullanılarak yapılmıştır. Deneylerde rastgele orman ağaçlarının sayısı dikkate alınmıştır ve her yöntem için beş sonucun ortalaması alınmıştır. Değişen aydınlanma koşullarında kısmen kapanmış yüz görüntüleri üzerinde yüz tanıma yapmak karşılaşılan bir problemdir. Yukarıda bahsedilen farklı önişlemlerin uygulandığı bu problemlerde sınıflandırıcı olarak rastgele orman algoritmasının güçlülüğüne odaklanılmıştır. Rastgele orman algoritmasının verimliliğini artıran en iyi önişleme yönteminin seçilmesi amaçlanmıştır.
Özet (Çeviri)
The Random forest is a well-known powerful classifier , that used to classify a wide range of patterns in our daily life for different purposes, it enters into many fields such as image and object classification. In this thesis , we studied the impact of a common five preprocessing methods in face recognition on the random forest performance ,we applied a five-different preprocessing methods (single scale retinex , discrete cosine transform,wavelet denoising ,gradient faces, and the method proposed by tan and et known as pp chain or TT), each one has applied separately with a general random forest as classifier ,we computed the error rate for each method. we applied our study on a Face Recognition System under occlusion and illuminatin variation. All experiments were done using MATLAB and Extended Yale B database. We considered the number of random forest trees in our experiments and we took an average of five readings for each proposed method.The partially occluded faces under varying lighting condition is a common problem in face recognition, we have concentrated the big of our attention to study the robustness of random forest as a classifier to these problems with different preprocessing methods that Mentioned above. The choice of the best preprocessing method that increase the efficiency of a random forest is the focus of our work. Keywords : Random forest , gradient faces , wavelet denoising, discrete cosine transform, single scale retinex , pp chain , illumination variation , occluded faces .
Benzer Tezler
- Enhancing human resource decision making with image-based OSMI data analysis: leveraging PIX2PIX for accurate workplace mental health insights
İş yeri mental sağlık incelemeleri için PIX2PIX kullanarak, görüntü tabanlı OSMI veri analiziyle insan kaynakları karar süreçlerini geliştirme
FARIBA FARID
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN BAYYURT
- Hakem atama otomasyonu için bir karar destek sistemi: Doğal dil işleme ve veri-güdümlü optimizasyon ile bütünleşik bir yaklaşım
A decision support system for reviewer assignment automation: An integrated approach with natural language processing and data-driven optimization
MELTEM AKSOY
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA YANIK ÖZBAY
PROF. DR. MEHMET FATİH AMASYALI
- Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti
Network anomaly detection with a hybrid approach of machine learning algorthms
FEYZA ÖZGER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİT ÖZTEKİN
- Utilization of 3D data in face recognition
Başlık çevirisi yok
NESLİ ERDOĞMUŞ
Doktora
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolInstitut Mines-TélécomPROF. DR. JEAN-LUC DUGELAY
- Takım çalışması esaslı demontaj hattı işgören atama ve dengeleme problemi için oyun teorisi odaklı yaklaşımlar
Game theory-oriented approaches for multi-manned disassembly line worker assignment and balancing problem
YILDIZ KÖSE
Doktora
Türkçe
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. EMRE ÇEVİKCAN
DR. ÖĞR. ÜYESİ SİNAN ERTEMEL