Bölge tabanlı evrişimli sinir ağı ile yoklama amaçlı yüz tanıma sistemi
dc.contributor.advisor | Erdoğmuş, Pakize | |
dc.contributor.author | Sungur, Demet Hanife | |
dc.date.accessioned | 2023-04-04T16:04:46Z | |
dc.date.available | 2023-04-04T16:04:46Z | |
dc.date.issued | 2022 | |
dc.department | DÜ, Fen Bilimleri Enstitüsü, Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı | en_US |
dc.description.abstract | İnsanların göz veya parmak izi gibi biyometrik özelliklerinin yanı sıra müdahale veya temas olmadan kullanılabilecek en belirgin ve temel özelliği yüzüdür. Bu çalışmanın amacı, derin öğrenme tekniği ve evrişimli sinir ağı (convulational neural network, CNN) algoritması kullanarak bir yüz tanıma sistemi geliştirmektir. Bunu sağlamak için araştırmacılar tarafından on iki öğrencinin 400 farklı fotoğrafını içeren özgün bir veri seti oluşturulmuştur. Öğrencilerin fotoğrafları, sınıf ortamında farklı oturma düzeninde farklı açılar oluşturacak şekilde kameraya karşı yerleri ve açıları değiştirilerek çekilmiştir. Veri seti eğitim ve test setlerine ayrılmış ve her bir öğrenci fotoğrafta ayrı ayrı etiketlenmiştir. Eğitim süreci gerçekleştirildikten sonra test seti üzerinde yüz tanıma süreci test edilmiştir. AlexNet, GoogleNet ve ResNet50 mimarileri ile oluşturulan R-CNN modellerinde, faster R-CNN ve YOLOv4 modellerinde eğitim ve test işlemleri tamamlanmıştır. Veri setindeki görüntü sayısının ağın başarısına etkisine incelemek amacıyla 300/100 ve 350/50 olmak üzere iki farklı eğitim/test oranı kullanılmıştır. Önerilen yaklaşım, öğrencilerin yüz tanıması ile kimliklerinin belirlenmesinde umut verici sonuçlar vermiştir. 300/100 eğitim/test oranı kullanıldığında başarı oranı %59 iken, 350/50 eğitim/test oranında %98'e yükselmiştir. Sonuç olarak yüzleri kolayca tanımak için uygun derin öğrenme modellerinin tatmin edici düzeyde kullanılabileceği gösterilmiştir. Ayrıca bu modeller sadece yoklama veya güvenlik amaçlı değil, öğrencilerin duygularını tespit etmek için de kullanılabilir. Böylece öğrenme ortamının iyileştirilmesi ve öğrencilerin hazır bulunuşluklarının değerlendirilmesi mümkün olabilir. | en_US |
dc.description.abstract | In addition to biometric features of people such as eyes or fingerprints, the most distinctive and basic feature that can be used without intervention or contact is the face. The aim of this study is to develop a face recognition system using deep learning technique and convulational neural network (CNN) algorithm. To avhieve this, an original data set including 400 different photos of twelve students was created by the researchers. Photos of the students were taken in their own classroom by changing their places and angles to the camera to create different angles with different sitting patterns. The data set divided into training and test sets, and each students were labeled individually in each photos. After the training process was carried out, face recognition process was testing on the test set. Training and testing of R-CNN models created with AlexNet, GoogleNet and ResNet50 architectures, faster R-CNN, and YOLOv4 models have been completed. To examine the effect of the number of images in the data set on the success of the network; two different training/test ratio; 300/100, and 350/50; were used. The proposed approach yielded promising results in identifying students using face regions. A success rate of 59% was obtained when the 300/100 training/test ratio was used, while the success rate increased to 98% for the 350/50 ratio. As a result, it has been shown that appropriate deep learning models can be used to recognizing the faces easily with a satisfying level. In addition, these models can be used not only for attendance or security purposes, but also for detecting the emotions of the students. Thus, it may be possible to improve the learning environment and evaluate the readiness of students. | en_US |
dc.identifier.endpage | 119 | en_US |
dc.identifier.startpage | 1 | en_US |
dc.identifier.uri | https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=RsTBl6RWK25OBMIKtIgYYYGko4_QnGnixQqYvlXFD5yCpjiphauMVMzguYpoC1LQ | |
dc.identifier.uri | https://hdl.handle.net/20.500.12684/11014 | |
dc.identifier.yoktezid | 759983 | en_US |
dc.institutionauthor | Sungur, Demet Hanife | |
dc.language.iso | tr | en_US |
dc.publisher | Düzce Üniversitesi | en_US |
dc.relation.publicationcategory | Tez | en_US |
dc.rights | info:eu-repo/semantics/openAccess | en_US |
dc.subject | Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol | en_US |
dc.subject | Computer Engineering and Computer Science and Control | en_US |
dc.subject | Görüntü işleme | en_US |
dc.subject | Image processing | en_US |
dc.subject | Nesne tanıma | en_US |
dc.subject | Object recognition | en_US |
dc.subject | Yüz tanıma | en_US |
dc.subject | Face recognition | en_US |
dc.title | Bölge tabanlı evrişimli sinir ağı ile yoklama amaçlı yüz tanıma sistemi | en_US |
dc.title.alternative | Face recognition system for attendance with region based convolutional neural network | en_US |
dc.type | Master Thesis | en_US |
Dosyalar
Orijinal paket
1 - 1 / 1
Yükleniyor...
- İsim:
- 759983.pdf
- Boyut:
- 4.62 MB
- Biçim:
- Adobe Portable Document Format
- Açıklama:
- Tam Metin / Full Text