Geri Dön

BIOMETRICS SECURITYcan similarity measures techniques be used to model face recognition?

BİYOMETRİK GÜVENLİKbenzerlik ölçüm teknikleri yüz tanımayı modellemek için kullanılabilir mi?

  1. Tez No: 833165
  2. Yazar: ENES ALGÜL
  3. Danışmanlar: DR. NASSER ABOUZAKHAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: Unıversıty Of Hertfordshıre
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Bilgisayar Yazılımı Ana Bilim Dalı
  12. Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu projede kullanılan veri tabanı Cambridge Üniversitesi AT&T Laboratuvarı tarafından elde edilmiştir (Cl.cam.ac.uk, 2017). Eğitilen veritabanı 40 kişinin yüz resminden oluşur, her kişinin farklı açılardan ve farklı yüz ifadelerinden çekilmiş 10 değişik yüz resmi vardır. Her kişinin resimleri ayrı bir şekilde veri tabanında bulunur. Tüm resimler gri tonlamalı (iki boyutlu) ve resimlerin tamamı aynı boyuttadır (112 x 92). Özyüz (Eigenface) tanıma yöntemi kullanılarak proje geliştirildi. Özyüz tanıma, Temel Bileşenler Analizine (PCA) dayanmaktadır. PCA, büyük görüntü seti matrisinin boyutunu azaltmayı amaçlamış ve özellik çıkarımı için kullanılmıştır. Bu teknik 1991 yılında MIT'de Matthew A. Turk ve Alex P. Pentland tarafından icat edildi (M. Turk ve A. Pentland, 1991). Sınıflandırmada, yeni girilen bir görüntü ile daha önce eğitilmiş görüntüler arasındaki mesafeyi hesaplamak için Öklid uzaklık yöntemi kullanıldı. Matlab kullanılarak bu proje geliştirildi. Matlab'ın kullanılmasının nedeni, görüntü işleme için geliştirilmiş birçok araç, fonksiyon ve API'nin olmasıdır. Gelecekte yapılacak çalışmalar için, Evrişimsel Sinir Ağı (CNN veya ConvNet) adı verilen yeni bir Derin Öğrenme tekniği araştırıldı. CNN'nin yapısı analiz edildi. Ardından CNN mimarisine dayalı güncel alan çalışmaları kısaca açıklandı. Daha sonra Alexnet mimarisi kullanılarak örnek bir nesne tanıma projesi geliştirildi. CNN, Makine Öğreniminin belirli bir alanı olan Derin Öğrenmenin bir dalıdır.

Özet (Çeviri)

In this project, the database which was used is obtained by AT & T Laboratories at the Cambridge University (Cl.cam.ac.uk, 2017). The training database includes 40 persons face images and each person has 10 different face images which was captured in different angles and emotions. Each person's images are stored in the database separately. Whole images are grayscale (two dimensional) and the size of entire images are the same (112 x 92). The Eigenface recognition was used to develop the project. It has been based on Principle Component Analysis (PCA). PCA aimed to reduce the dimension of large image set's matrix and has been used for feature extraction. This technique was invented by Matthew A. Turk & Alex P. Pentland at the MIT in 1991 (M. Turk and A. Pentland, 1991). For classification, the Euclidian distance method has been used to compute the distance between a new inputted image and the images which trained before. Matlab has been used to develop this project. The reason Matlab has been used is that there are many tools, functions and APIs developed for image processing. For future study, a recent technique of Deep Learning called Convolutional Neural Network (CNN or ConvNet) has been researched. The structure of the CNN has been analysed. Then, recent case studies which have been based on CNN architecture was explained briefly. Then, a sample object recognition project has been developed using Alexnet architecture. CNN is a branch of Deep Learning which is a specific area of Machine Learning.

Benzer Tezler

  1. Tez No

    540015

    Görüntü üzerinde sayısal damgalama ve gömülü sistem uygulaması

    Digital watermarking on images and its embedded system implementation

    OĞUZ AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MÜRVET KIRCI

  2. Tez No

    291681

    A framework for authentication of medical reports based on keystroke dynamics

    Medikal raporlarda kimlik doğrulaması için tuş vuruşu dinamikleri üzerine tasarlanmış temel bir altyapı

    MUSA KAZIM ÖZDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    HastanelerOrta Doğu Teknik Üniversitesi

    Tıp Bilişimi Ana Bilim Dalı

    YRD. DOÇ. DR. DİDEM GÖKÇAY

  3. Tez No

    483471

    Biometric identification and authentication using time series classification of mouse and eye movements

    Fare ve göz hareketlerinin zaman serileri sınıflandırma yöntemleri kullanılarak biometrik tanıma ve kimlik doğrulamada kullanılması

    FEDAA K. M. ELDERDESAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Endüstri ve Endüstri Mühendisliğiİstanbul Şehir Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MUSTAFA GÖKÇE BAYDOĞAN

  4. Tez No

    943989

    Müşteri ve banka iş birliği ile değer ortak yaratımı: Hizmet baskın mantık (Servıce Domınant Logıc) ve hizmet mantığı (Servıce Logıc) perspektiflerinin elektronik cüzdanlar üzerinden uygulanması

    Value co-creation in banking: Service-Dominant Logic and Service Logic perspectives via electronic wallets

    ZÜBEYDE BUKET AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. ADNAN VEYSEL ERTEMEL

  5. Tez No

    941468

    Uzaktan ve taşınabilir elektronik imza yöntemlerinin kullanıcı çalışması ile karşılaştırmalı değerlendirmesi

    Comparative evaluation of remote and portable electronic signature methods with user study

    ÖMER EGE

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. KEMAL BIÇAKCI

Geri Dön