yüz tanıma matlab / GitHub - ibrahimirdem/pca-face-recognition: PCA Algoritması ile Matlab'da Yüz Tanıma

Yüz Tanıma Matlab

yüz tanıma matlab

Matlabda Yüz Tanıma Uygulaması

Kod ile uğraşmaktansa hazır blokları (Simulink gibi) kullanarak yapmak bence de daha kolay olur.

Eğer öğrenmek için yapmak isterseniz, teorik kısmıyla da uğraşmanızı tavsiye ederim. Mesela ben sizin yerinizde olsam, SIFT (Scale Invariant Feature Transform) gibi kuvvetli algoritmalar üzerinden başlangıç yapardım. Ben de bir ara niyetlenmiştim ama fırsatım olmadı. Bu şekilde kendinize adım haritası belirlerseniz yapacağınız işi de özümsemiş olursunuz.

Tezi vermiş olmak için vermek isterim derseniz, İTÜ veya Boğaziçi'nde bunu para ile bile yaptırabileceğiniz araştırma görevlileri mevcut. Matlab olur, OpenCV olur, başka bir program olur, ama bir şekilde olur.

Eğer çalışmanızın aşamalarının çoğunu buradan paylaşmayı kabul ederseniz, elimden geldiği kadar yardımcı olmaya çalışırım. (Kesin çözüm bulabilirim demiyorum, dikkatinizi çekmek isterim.) Görüntü işleme üzerine çalışan arkadaşlarım var. Ama özelden, msnden, vb. iletişim araçlarından temas kurmak isterseniz anlaşmamız bozulur. Nedeni ise bu çalışma gerçekten eğitici ve öğretici bir çalışma olabilir. Sitemizin de eğitici ve öğretici bir site olduğunu da hesaba katarsak, herkesin faydalanabilmesi için bu şekilde olması şarttır.

Saygılarımı sunar, iyi çalışmalar dilerim..

 

Destek vektör makineleri kullanarak gömülü sistem üzerinde yüz tanıma uygulaması

Abstract:

Yüz tanıma insanların günlük yaşamlarında zorlanmadan ve sıklıkla gerçekleştirdikleri görevlerden biridir. İnsan yüzü oldukça ayırt edici özelliklere sahiptir ve insan beyni yüze ait görsel bilgileri, biyometrik tanımlayıcılar olarak kullanır. Bilgisayarlı görü, insanları tanımlamak için yüz görüntülerini kullanarak beynin bu karmaşık fonksiyonunu taklit etmeyi amaçlar. Yüz tanıma problemi, bir yüz görüntüsü veya yüz görüntüleri içeren bir video kaydı girdi olarak verildiğinde, bilinen kişilerin yüz görüntülerini içeren bir veritabanı kullanılarak girdideki bir ya da daha fazla yüz görüntüsünün tanımlanması veya doğrulanması olarak ifade edilebilir. Sahada Programlanabilir Kapı Dizileri (FPGA), sayısal işaret işleme, biyometrik tanıma, medikal görüntü işleme, uzay ve savunma sistemleri, bilgisayar görüntüsü gibi birçok alanlarında kullanılmaktadır. FPGA programlanabilir mantık elemanlarıdır ve her bir mantık bloğunun işlevi kullanıcı tarafından düzenlenebilmektedir. Bu tez çalışmasında Destek Vektör Makineleri (DVM) kullanılarak FPGA ve GPU üzerinde yüz tanıma uygulaması gerçekleştirilmiştir. Öncelikle MATLAB ortamında, yüz görüntülerinden özyüz (eigenface) ve Fisher yüz (Fisherface) yöntemleri ile çeşitli boyutlarda öznitelikler elde edilmiştir. Çıkarılan öznitelikler, DVM, Yapay Sinir Ağları (YSA) ve k En Yakın Komşuluk Yöntemi (k-NN) kullanılarak eğitilmiş ve sınıflandırma performansları karşılaştırılmıştır. Daha sonra MATLAB ortamında eğitilen DVM sınıflandırıcısı, FPGA ve Grafik İşlem Birimi (GPU) üzerinde gerçekleştirilmiş ve performansları karşılaştırılmıştır. Gerçeklenen sistem, 40 kişi ve her kişiye ait 10 farklı yüz görüntüsünden oluşan ORL yüz veritabanı ile eğitilmiş ve test edilmiştir. Destek Vektör Makinelerinin eğitimi sırasında her bir kişi için o kişiye ait 4 yüz görüntüsü kullanılmış, kalan 6 yüz görüntüsü ile sınıflandırma testi yapılmıştır. DVM sınıflandırıcısının test başarısı özyüzler kullanıldığında %90 seviyesine ulaşırken, Fisher yüzler kullanıldığında %91 seviyesine ulaşmıştır. Anahtar Kelimeler: Yüz Tanıma, Özyüzler, Fisher Yüzler, Destek Vektör Makineleri, Yapay Sinir Ağları, k En Yakın Komşu Yöntemi

Description:

Tez (Yüksek Lisans) - Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü,

Show full item record

Tez NoİndirmeTez KünyeDurumu
Derin öğrenme ile yüz tanıma / Face recognition with deep learning
Yazar:FATIMA ZEHRA ÜNAL
Danışman: YRD. DOÇ. DR. MEHMET SERDAR GÜZEL
Yer Bilgisi: Ankara Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control
Dizin:Derin öğrenme = Deep learning ; Matlab = Matlab ; Yapay sinir ağları = Artificial neural networks ; Yüz tanıma = Face recognition Onaylandı
Yüksek Lisans
Türkçe

90 s. 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. Face recognition, which encompasses a large number of fields and disciplines, including safety applications and commercial applications, is an important research problem most suited to the purpose of image analysis. Developing an automated system that is equal to the ability of people to recognize faces is a serious problem. The fact that facial recognition applications are subject to different disciplines increases the relevance of the work done in this area. Deep Learning technology has made great progress in solving problems that have not been achieved with applications developed for a long time in artificial intelligence field. It has begun to be applied in many areas of deep learning, science, business, and government, which have proven to be very good at discovering complex structures of high-dimensional data. Deep Learning techniques have improved the performance of many classification problems in the field of vision with computers, especially using Convolutional Neural Networks. Deep learning, especially the Convolutional Neural Network (CNN), has recently achieved promising results in face recognition applications. In this thesis, a face recognition algorithm is trained by using traditional machine learning technique and deep learning technique and the success rates of the two methods are compared. Algorithm consists of 4 main parts; face detection, preprocessing, feature extraction and classification. Two separate techniques, Histogram of Gradients (HOG) and Deep Learning, have been used in the attribute extraction section. The properties obtained are classified using the multi-class Support Vector Machines (SVM) method.

MATLAB’ın nasıl kullanılacağı, MATLAB pencereleri ve araç kutularının amaçlarını anlatarak okuyucuyu temel seviyeden başlatıp ileri seviye MATLAB programcısı yapmak üzere hazırlanmıştır. Ayrıca temel matematik ve programlama işlemlerinin mantığı verilerek okuyucunun bu işlemlerin nasıl çalıştığını öğrenmesine yardımcı olmak amaçlanmıştır. Özellikle türev ve integral işlemlerinin neden ve hangi şartlarda kullanıldıkları gibi detayları da bulabileceksiniz.

Temel programlama bilgisinin ve birçok platformdan kulak aşinası olunan görsel işleme, ses tanıma, yüz tanıma, plaka tanıma, parmak izi tanıma, canlı veri okuma işlemlerinin mantıklarını ve MATLAB üzerinde nasıl kullanıldıklarını öğreneceksiniz. Kitabın dördüncü bölümü olan Ek bölümü, diğer bölümlerin ortak olarak kullandığı bir kaynak bölümü şeklinde çalışır. Bu bölümde, birçok MATLAB fonksiyonu ve bu fonksiyonların teknik detayları ile kurulum detayları verilmiştir.

· Grafik İşlemleri

· Görüntü İşleme

· Temel Ses Tanıma

· Canlı Veri Okuma

· Parmak İzi Okuma

· Plaka Tanıma

· Yüz Tanıma

· Sembolik Programlama

· Paralel Programlamaya Giriş

· Nesne Tabanlı Programlama

· Matris ve Matris Mantığı ile Programlama

· Türev

· İntegral

· Eğri Uydurma

· Dosya ve Dizin İşlemleri

· MATLAB Olmadan Çalışabilen Program Hazırlama

· MATLAB GUI ile Görsel Programlama

· MuPAD Kullanımı

· Simulink Kullanımı

· MATLAB Editor Kullanımı

nest...

266309 266310 266311 266312 266313

batman iftar saati 2021 viranşehir kaç kilometre seferberlik ne demek namaz nasıl kılınır ve hangi dualar okunur özel jimer anlamlı bayram mesajı maxoak 50.000 mah powerbank cin tırnağı nedir