Derin öğrenmeye dayalı el sırtı damar tanıma tekniğinin geliştirilmesi
Developing a dorsal hand vein recognition technique based on deep learning
- Tez No: 513361
- Danışmanlar: DR. ÖĞR. ÜYESİ METE ÇELİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Evrişimsel Sinir Ağları, Derin Öğrenme, Örüntü tanıma, Sınıflandırma, Biyometrik Sistem, Convolutional Neural Networks, Deep Learning, Pattern Recognition, Classification, Biometric System
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
El sırtı damarı tanıma, biyometrik tanıma tekniklerinden birisidir. Şimdiye kadar çok çeşitli biyometrik yaklaşımlar test edilmiş ancak bazıları istenen performansta sistem doğruluğu verememiştir. Bu nedenle bu tezde, Yakın Kızılötesi (Near Infrared - NIR) görüntüleri kullanarak el damarı kalıplarını tanımlamak ve tanımak için Evrişimsel Sinir Ağı (Convolutional Neural Network - ESA) yöntemi ile bir derin öğrenme sınıflandırma stratejisi önerilmiştir. NIR el damarı görüntüleri farklı sıcaklık koşullarına sahiptir ve damar örüntüinin her birey için farklı olması nedeniyle daha iyi bir kalite ve ileri güvenlik sağlar. Başlangıçta damar görüntüleri, yüksek kaliteli el damarı görüntüleri elde etmek için, ön işleme tabi tutulur ve bu işlem el sırtı damarlarının çıkarılması için uygun görüntüler sağlar. Daha sonra, el sırtından damarın çıkarılması için Fuzzy C-Mean (FCM) yöntemi kullanılmakta ve böylece özellik çıkarımı adımının desteklenmesi sağlanmaktadır. Damar tanıma evreleri için, ESA, önceden oluşturulmuş tanımaya göre sınıflandırılmış ilgi bölgesini (region of interest - ROI) eğitir. Ayrıca, ESA yaklaşımı doğruluğu önemli ölçüde arttırır ve el damarını tanıma problemine çözüm bulur. Deneysel sonuçlar, önerilen modelin % 94.5 doğruluk elde ettiğini göstermektedir.
Özet (Çeviri)
Dorsal hand vein identification is one of the biometric identification techniques. A wide variety of biometric approaches have been tested so far but several propose have been paralyzed the system accuracies. So in this thesis we propose a novel method, deep learning classification strategy by Convolutional Neural Network (ESA) method to identify and recognize hand vein patterns using Near Infrared (NIR) images. This NIR hand vein images have different temperature conditions, and provide a better quality and advance security with its vein pattern uniqueness. Initially, vein input images are pre-processed for high quality hand vein images and which provides suitable images for dorsal hand vein extraction. Then, Fuzzy C-Mean (FCM) segmentation method is used to segment vein from hand dorsal background to support the feature extraction stage. For the vein recognition phases, Convolutional Neural Network is trained Region of Interest (ROI) classified to preformed recognition. Furthermore, ESA approach significantly improves the accuracy and helps us to solve hand vein recognition problem. Experimental results show that our model achieved 94.5% accuracy.
Benzer Tezler
- Sanat eğitiminde öğretim alanları ve bir alt disiplin olarak sanat eleştirisi
Teaching fields and art criticism as a sub-dicipline in art education
NECMETTİN KARABULUT
Doktora
Türkçe
2004
Eğitim ve ÖğretimAtatürk ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. SELAMİ SÖNMEZ
- Resource allocation in vehicular edge computing networksbased on deep reinforcement learning
Araç uç bilişiminde derin pekiştirmeli öğrenmeye dayalıkaynak tahsisi
HOMA MALEKI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. LÜTFİYE DURAK ATA
- Synthetic data generation for training and evaluation of deep learning-based computer vision models
Derin öğrenme-bazlı bilgisayarlı göre modellerinin eğitimi ve değerlendirilmesi için sentetik veri üretimi
ABDULRAHMAN KERİM
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. UFUK ÇELİKCAN
- Deep learning based dynamic turkish sign language recognition with leap motion
Derin öğrenme tabanlı leap motıon ile dinamik türk işaret dili tanıma
BURÇAK DEMİRCİOĞLU KAM
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE KÖSE
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT