An integrated system for gender and age detection in security systems usi̇ng deep learning
Derin öğrenme kullanılarak güvenlik sistemlerinde cinsiyet ve yaş tespiti için entegre bir sistem
- Tez No: 940500
- Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMAD ILYAS
- 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: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Geçtiğimiz birkaç yıl boyunca cinsiyet ve yaş tanıma sistemlerinin ilerlemesi, akıllı gerçek dünya senaryolarında çok sayıda uygulamanın yolunu açarak, bilgisayarlı görme alanındaki hayati rolünü sağlamlaştırdı. Geleneksel teknikler, özellikle el yapımı sınıflandırıcılar, kural tabanlı sistemler ve özellik tabanlı yöntemler, cinsiyet ve yaş tanıma konusunda tartışmasız atılımların temelini oluşturmuş olsa da. Buna rağmen, değişen aydınlatma koşulları, farklı yüz ifadeleri ve poz değişimlerinin oluşturduğu engellerle uğraşmanın yanı sıra, incelikli karmaşıklıklarla uğraşırken bazı eksiklikler gösterdi ve bu nedenle sistemin genel performansını kısıtladı. Dolayısıyla mevcut çalışma, eski kısıtlamaların üstesinden gelmek için transfer öğreniminin ve veri artırmanın birleşik gücünü sunuyor. Öne çıkan dört derin öğrenme modeli vardı: Inceptionv3, InceptionResNetv2, Xception ve DenseNet201, sağlam ve değişmez derecede güvenilir bir cinsiyet ve yaş tanıma sistemi geliştirmenin bir yolu olarak kullanıldı. Kapanış olarak bu çalışma, seçilen modellerin tahminlerini birleştirerek sistemin doğruluğunu artırmanın bir yolu olarak topluluk modelini kullandı; daha kesin tahminlere yönelerek sistemin genel performansını artırdı. Bu çalışmanın bulguları, bu çalışmada kullanılan tüm modeller açısından önceki tüm son teknoloji ürünü modelleri geride bırakarak, performans için son teknoloji bir ölçüt oluşturmaktadır. Şaşırtıcı bir şekilde topluluk modeli, yaş tahmini açısından 0,77857444 yıllık MAE ile birlikte cinsiyet sınıflandırma görevi söz konusu olduğunda %97,97'lik çarpıcı bir doğrulukla öne çıkıyor. Önerilen çalışma, IMDB-WIKI ve UTKFace gibi kapsamlı bir veri seti ile eğitim aşamasında transfer öğrenme tekniğinin kullanılmasının hayati önemini inkar edilemez bir şekilde doğrulamaktadır. Bunun da ötesinde, sistem performansı için güçlü katalizörler olarak veri artırmanın yanı sıra donma durumuna da odaklanıyor ve sonuçta cinsiyet ve yaş tanıma kapsamında üstün doğruluk sağlıyor.
Özet (Çeviri)
The progression of gender and age recognition systems over the course of the past several years paved the way for a plethora of applications in smart real-world scenarios, rigidifying its vital role in the area of computer vision. Even though traditional techniques in particular hand-crafted classifiers, rule-based systems and feature-based methods have indisputably forged the basis for breakthroughs in gender and age recognition. Even so, it manifested certain deficiencies when dealing with subtle intricacies, not to mention wrestling with hurdles posed by varying lighting conditions, diverse facial expressions, and pose variations, thereby restricting the system overall performance. Ergo, the current study proffers to herness the unified might of transfer learning and data augmentations so as to surmount the legacy constraints. There were four prominent deep learning models: Inceptionv3, InceptionResNetv2, Xception, and DenseNet201 were parlayed as a means to develop a robust and unwaveringly reliable gender and age recognition system. As a closing gesture, this study harnessed ensemble model as a means to enhance the accuracy of the system by means of combining the forecasts of the opted models, driving towards more precise predictions which in turn improve the overall performance of the system. The findings of this study set a cutting-edge yardstick for performance, outstripping all prior state-of-the-art models in respect of all the models utilized in this study. Astoundingly the ensemble model shines forth with a striking accuracy of 97.97% when it comes to gender classification task, together with MAE of 0.77857444 years as regards age estimation. The proposed study irrefutably affirms the pivotal significance of the utilization of transfer learning technique whilst the training phase with an extensive dataset such as IMDB-WIKI and UTKFace. On top of that, it zeroes in on the freezing status alongside data augmentation as potent catalysts for the system performance, eventually bringing about superior accuracy within the scope of gender and age recognition.
Benzer Tezler
- Yapay zeka yaklaşımları kullanılarak insan yüzlerinin tespiti ile cinsiyet, yaş ve duygu durumlarının tahmini
Detection of human faces and prediction of gender, age and emotional states using artificial intelligence approaches
MEHMET EMİN KONUK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERDAL KILIÇ
- Kural tabanlı şüpheli işlem önleme sistemlerinde kullanılmak üzere çizge veritabanı modeli önerisi
A graph database model proposal for use in rule based fraud transaction prevention systems
BAHADIR ESAD DEMİR
Yüksek Lisans
Türkçe
2024
BankacılıkSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VEYSEL HARUN ŞAHİN
- İnmeli hastalarda malnütrisyon ve disfajinin önemi
The importance of malnutrition and dysphage in patients with stroke
NURBANU GÜÇMEN
Tıpta Uzmanlık
Türkçe
2021
Fiziksel Tıp ve RehabilitasyonKahramanmaraş Sütçü İmam ÜniversitesiFiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. TUBA TÜLAY KOCA
- Mekansal ve sosyoekonomik parametrelerin çocuk suçluluğu ile ilişkisinin CBS ile araştırılması
Investigation the relationship of spatial and socioeconomic parameters on juvenile delinquency through CBS
BİLGE BOZKURT
Yüksek Lisans
Türkçe
2021
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. AHMET ÖZGÜR DOĞRU