Derin öğrenme ile yüz tanıma
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR BİLİMLERİ VE MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2017
Tezin Dili: Türkçe
Öğrenci: FATIMA ZEHRA ÜNAL
Danışman: MEHMET SERDAR GÜZEL
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Güvenlik uygulamaları ve ticari uygulamalar olmak üzere çok sayıda alanı ve disiplini kapsayan yüz tanıma, görüntü analizi alanının amacına en uygun önemli bir araştırma problemidir. İnsanların yüzleri tanıma kabiliyetine eşit, otomatik bir sistem geliştirmek ciddi bir problemdir. Yüz tanıma uygulamalarının farklı disiplinlere konu olması, bu alanda yapılan ve yapılacak çalışmalara olan ilgiyi arttırmaktadır. Uzun yıllar yapay zeka alanında geliştirilen uygulamalar ile sonuç alınamamış sorunların çözümünde Derin Öğrenme teknolojisi ile büyük ilerleme kaydedilmiştir. Yüksek boyutlu verilerin karmaşık yapılarını keşfetme konusunda çok iyi olduğu ortaya çıkan Derin öğrenme, bilim, iş dünyası ve devletin birçok alanında uygulanmaya başlamıştır. Derin Öğrenme teknikleri kullanarak bilgisayarlarla görme alanında birçok sınıflandırma problemi performansı arttırılmıştır. Derin öğrenme, özellikle Konvolüsyonel Sinir Ağı (KSA), son zamanlarda yüz tanıma uygulamalarında umut verici sonuçlar elde etmiştir. Bu tez çalışması kapsamında, geleneksel makine öğrenme tekniği ve derin öğrenme tekniği kullanılarak bir yüz tanıma algoritması eğitilmiş ve iki ayrı yöntemin başarı oranlarını karşılaştırılmıştır. Algoritma, yüz tespiti, ön işlemler, öznitelik çıkarımı ve sınıflandırma olmak üzere 4 ana kısımdan oluşmaktadır. Öznitelik çıkarımı kısmında Histogram of Gradients (HOG) ve Derin Öğrenme olmak üzere iki ayrı teknik kullanılmıştır. Elde edilen özellikler çok sınıflı Destek Vektör Makineleri (DVM) metodu kullanılarak sınıflandırılmıştır.