Derin öğrenme metotları ile yüz görüntülerinden yaş tespiti
Age estimation from facial images using deep learning methods
- Tez No: 920685
- Danışmanlar: DOÇ. DR. YILMAZ KAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Batman Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Bu çalışmada, yüz görüntülerinden yaş tahmini gerçekleştirilmiş ve Hint Sineması Yüz Veri tabanı (IMFDB) üzerinde DenseNet modelleri kullanılmıştır. Yaş tespiti, güvenlik, sağlık ve pazarlama gibi çeşitli sektörlerde kritik bir öneme sahiptir. DenseNet mimarilerinin farklı versiyonları olan DenseNet-121, DenseNet-169, DenseNet-201 ve DenseNet-264, yaş tahmini için eğitilmiş ve doğruluk (accuracy), kesinlik (precision), geri çağırma (recall) ve F1 skoru gibi performans metrikleri üzerinden değerlendirilmiştir. Veri seti, 19.906 yüz görüntüsünden oluşmakta olup yaş kategorileriyle etiketlenmiştir. DenseNet-264 modeli, %89.8 doğruluk, 0.90 precision, 0.90 recall ve 0.90 F1 skoru ile en yüksek performansı göstermiştir. DenseNet-201 modeli, %89.2 doğruluk oranıyla iyi bir performans sergilemiş, DenseNet-169 modeli %87.1 doğruluk ve dengeli bir genelleme kapasitesi sunmuştur. DenseNet-121 modeli ise %85.3 doğruluk oranıyla daha hızlı ve düşük hesaplama maliyetine sahip bir seçenek olmuştur. ROC analizleri, tüm modellerin güçlü bir ayrım yeteneğine sahip olduğunu göstermiş, ancak en derin model olan DenseNet-264'te sınırlı genelleme kayıpları gözlemlenmiştir. Sonuç olarak, DenseNet mimarileri yaş tahmini için etkili bir çözüm sunmuştur. Model seçimi, uygulamanın gereksinimlerine ve kaynaklarına bağlı olarak yapılabilir. DenseNet-264 en yüksek doğruluğu sağlarken, DenseNet-121 daha hızlı sonuçlar elde etmek için uygun bir alternatif olarak değerlendirilebilir.
Özet (Çeviri)
This study focused on predicting age from facial images using DenseNet architectures and analyzed the Indian Movie Face Database (IMFDB). Age estimation is vital in sectors like security, healthcare, and marketing. Different DenseNet architectures, including DenseNet-121, DenseNet-169, DenseNet-201, and DenseNet-264, were trained and evaluated based on metrics such as accuracy, precision, recall, and F1 score. The dataset consisted of 19,906 facial images labeled with age categories. DenseNet-264 achieved the highest performance with 89.8% accuracy, 0.90 precision, 0.90 recall, and 0.90 F1 score. DenseNet-201 followed with 89.2% accuracy, while DenseNet-169 demonstrated a balanced generalization with 87.1% accuracy. DenseNet-121 provided a faster and computationally efficient alternative with 85.3% accuracy. ROC analysis revealed strong classification capabilities across all models, with minor generalization losses observed in the deepest model, DenseNet-264. In conclusion, DenseNet architectures proved to be effective solutions for age prediction. Model selection can be tailored to the application's requirements and resources. While DenseNet-264 offered the highest accuracy, DenseNet-121 served as a faster alternative with lower computational costs.
Benzer Tezler
- Age and gender prediction from 3d-body and face images
3 boyutlu vücut ve yüz görüntülerinden yaş ve cinsiyet tahmini
SEDA ÇAMALAN
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. GÖKHAN ŞENGÜL
- Classification of melanoma malignancy in dermatology
Dermatolojide melanoma malignansının sınıflandırılması
BİLGE SÜHEYLA GAZİOĞLU
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Derin öğrenme metotları ile yüz ifadelerinden down sendromu tespiti
The detection of down syndrome from facial expressions using deep learning methods
EVİN ORTAÇ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBatman ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
PROF. DR. NECMETTİN SEZGİN
- Video dosyalarında yüz tespiti, tanıma ve video içerisindeki zamana göre işaretleme
Face detection, recognition and time marking in video files
HÜSEYİN GÖZE
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Termal görüntülerde ateş tespitinde klasik/modern metotlar ve geniş dil modeli yaklaşımı
Classical/modern methods and large language model approach in fever detection from thermal images
ADEM ÖZTÜRK
Yüksek Lisans
Türkçe
2025
BiyoteknolojiGümüşhane ÜniversitesiBiyoteknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRAH KAPLAN