Comparison of face recognition methods
Yüz tanıma yöntemlerinin karşılaştırılması
- Tez No: 490276
- Danışmanlar: DOÇ. DR. GÖKHAN ŞENGÜL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Atılım Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yüz tanıma alanınında üstün sonuçlara ulaşmayı sağlayan en kesin doğruluğu elde etmek için birçok çalışma ve araştırma yürütülmüştür. Bununla birlikte, bu çalışmalar performans ve kesinlik açısından birbirlerinden farklı sonuçlara ulaşmış ve bu durum da bu araştırmaların yüz tanıma algoritmalarını karşılaştırmayı ve hangisinin en iyi sonuç verdiğini göstermeyi elzem hale getirmiştir. Bu çalışma, Temel Bileşenler Analizi-“Principle Component Analysis (PCA)”, Güçlendirilmiş Dayanıklı Özellikler-“Speeded up Robust Features (SURF)”ve Gri Düzey Eşdizimlilik Matrisi-“Gray-Level Co-occurrence Matrix (GLCM)”adlı üç yüz tanıma yöntemini karşılaştırmayı amaçlamaktadır. Bu karşılaştırma dört görüntü veritabanı ORL, YALE, FEI, ve FERET üzerinde test edilmiştir. PCA, ORL, YALE, FEI, ve FERET veritabanlarında test edildiğinde diğer iki yöntem SURF ve GLCM'den daha üstün sonuçlar verdiğini göstermiştir. GLCM'nin sonuçları ise daha az kesindir ve diğerleriyle karşılaştırıldığında düşük performans göstermiştir.
Özet (Çeviri)
Many studies and researches were conducted in the field of face recognition in order to get the best accuracy to attain and provide superior results. However, these studies achieved disparate results in terms of performance and accuracy, thus making it necessary to conduct studies that compare face recognition algorithms and emerge with results that demonstrate which of these algorithms give the best results. This study aims to compare three face recognition method, namely Principle Component Analysis (PCA), Speeded Up Robust Features (SURF), and Gray-Level Co-occurrence Matrix (GLCM). This comparison was tested on four images databases ORL, YALE, FEI, and FERET. The experimental results of this study showed that PCA outperformed the other two methods SURF and GLCM when tested on ORL, YALE, FEI, and FERET databases. The results of GLCM were less accurate and showed low performance as compared to the rest.
Benzer Tezler
- A comparison of subspace based face recgnition methods
Alt-uzay tabanlı yüz tanıma yöntemlerinin karşılaştırılması
ÖZKAN GÖNDER
Yüksek Lisans
İngilizce
2004
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR HALICI
- Görüntü işlemede yüz tanıma temel bileşenler analizi ve doğrusal diskriminant analizi yöntemlerinin android mobil uygulamada karşılaştırılması
Comparison of face recognition principal component analysis and linear discriminant analysis methods in image processing in android mobile application
CEM TANRIKUT
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EGE KİPMAN
- Üç boyutlu yüz tanımada lokal özellik temelli yöntemlerin kullanımı ve karşılaştırılması
Comparison and usage of local feature based methods for 3d face recognition
MUHAMMED ENES ATİK
Yüksek Lisans
Türkçe
2018
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZAİDE DURAN
- A comparative study on the effectiveness of gabor wavelet on common face recognition methods
Gabor Wavelet'in ortak yüz tanımlanması yöntemleri üzerine etkinliğine ilişkin karşılaştırmalı inceleme
ENJI ISSA ZAINALABDIN ASSAFLY
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
PROF. DR. ADEM KARAHOCA
- Yüz tanıma uygulamalarında özyüzler ve yapay sinir ağlarının karşılaştırılması
Comparison of eigenfaces and artificial neural networks in face recognition applications
HAKAN KEKÜL
Yüksek Lisans
Türkçe
2017
Bilim ve TeknolojiCumhuriyet Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. HÜDAVERDİ BİRCAN