Yüz Tanıma Sistemlerinde Kullanılan ESA, YGH-DVM ve DSA Algoritmalarının Performans Testleri

Yıl 2022, Cilt: 34 Sayı: 1, 39 - 48, 27.03.2022

Faruk Ayata , Hayati Çavuş

Öz

Yüz tanıma sistemleri, kriminoloji, güvenlik sistemleri gibi görüntü içeren alanlarda veriyi işlemek için görüntü işleme, makine öğrenmesi ve derin öğrenme algoritmaları kullanılmaktadır. Yüz tanıma sistemlerinde sıklıkla kullanılan makine öğrenmesi, bireyleri ayırt etmek için temelinde YSA (Yapay Sinir Ağları) olan teknikleri kullanmaktadır. Bu çalışmada makine öğrenmesi tekniklerinden; ESA (Evrişimsel Sinir Ağları), YGH-DVM (Yönelimli Gradyan Histogramı - Destek Vektör Makineleri) ve DSA (Derin Sinir Ağları) yöntemleri kullanılarak FEI, CelebA ve Aile yüz veri seti üzerinde analizler yapılmıştır. Bu testler sonucunda ESA yöntemi ile; FEI Veri Setinde %98.86, CelebA Veri Setinde %99.89, Aile Veri Setinde ise %100, YGH-DVM yöntemi ile; FEI Veri Setinde %97.71, CelebA Veri Setinde %97.75, Aile Veri Setinde ise %95.67, DSA yöntemi ile de; FEI Veri Setinde %97.61, CelebA Veri Setinde %95.79, Aile Veri Setinde ise %91.83 başarılı yüz bulma tahminine ulaşılmıştır.

Anahtar Kelimeler

Yüz tanıma, Evrişimsel sinir ağları, Derin sinir ağları, Aile yüz veri seti

Kaynakça

• Akay, S., 2018. Facial Actıon Unıt Detectıon In Vıdeos Usıng Deep Neural Networks (Yüksek Lisans Tezi). BÜ. Fen Bilimleri Enstitüsü. İstanbul.
• Akpınar, B., 2019. Görüntü Sınıflandırma İçin Derin Öğrenme İle Bayesçi Derin Öğrenme Yöntemlerinin Karşılaştırılması (Yüksek Lisans Tezi). AKÜ, Fen Bilimleri Enstitüsü. Afyon.
• Anonim-1., 2020. http://www.prowmes.com/blog/makine-ogrenmesi/. Erişim tarihi:09.04.2020.
• Ayata, F., Çavuş, H., İnan, M., Seyyarer, E., Biçek, E., & Kına, E., 2020. Dostroajan: Facial Recognition Based System Input Control Agent. AJIT-e: Online Academic Journal of Information Technology, 11(40), 82–96. https://doi.org/10.5824/ajite.2020.01.005.x.
• Bayrakdar, S., Akgün, D., & Yücedağ, İ., 2016. Yüz ifadelerinin otomatik analizi üzerine bir literatür çalışması A survey on automatic analysis of facial expressions. SAÜ Fen Bilimleri Dergisi, 20(2), 383–398.
• Coşkun, M., Uçar, A., Yıldırım, Ö., & Demir, Y., 2017. Face Recognition Based on Convolutional Neural Network. 2017 International Conference on Modern Electrical and Energy Systems (MEES). https://doi.org/10.13810/j.cnki.issn.1000-7210.2019.05.024.
• Doğan, G., 2010. Yapay Sinir Ağları Kullanarak Türkiye’deki Özel Bir sigorta şirketinde portföy Değerlendirmesi (Yüksek Lisans Tezi). HÜ, Fen Bilimleri Enstitüsü. Ankara.
• Erdoğan, A. Y., 2010. Yüz Tanımada Özyüz Ve Fisher Yüz Algoritmalarının İncelenmesi. (Yüksek Lisans Tezi). AÜ. Fen Bilimleri Enstitüsü. Ankara.
• Farahani, F. S., Sheikhan, M., & Farrokhi, A., 2013. A fuzzy approach for facial emotion recognition. 13th Iranian Conference on Fuzzy Systems, IFSC 2013, 1–4. https://doi.org/10.1109/IFSC.2013.6675597.
• Hanilçi, A., 2019. Evrişimsel Sinir Ağları Kullanılarak Ekg Ve Yüz Tabanlı Biyometrik Tanıma (Yüksek Lisans Tezi). BTÜ, Fen Bilimleri Enstitüsü. Bursa.
• Hasanuzzaman, M. ve Ueno, H. (2007). Face and Gesture Recognition for Human-Robot Interaction. 10.5772/4836.
• Holat, R., 2016. Yüz Bulma Ve Tanıma Sistemleri Kullanarak Kimlik Tespitinin Yapılması (Yüksek Lisans Tezi). DÜ, Fen Bilimleri Enstitüsü. Düzce.
• Lai, C. Q. ve Teoh, S. S., 2016. An Efficient Method of HOG Feature Extraction Using Selective Histogram Bin and PCA Feature Reduction. Advances in Electrical and Computer Engineering. 16. 101-108. 10.4316/AECE.2016.04016.
• Liu, S., Song, Z., Liu, G., Xu, C., Lu, H., ve Yan, S.,2012. Cross-Scenario Clothing Retrieval Via Parts Alignment And Auxiliary Set. In Computer Vision and Pattern Recognition (CVPR), 2012 IEEE Conference on, pp. 3330–3337. IEEE, 2012.
• Mallick, S., 2016. Anonim-6. https://www.learnopencv.com/histogram-of-oriented-gradients/. Erişim tarihi: 29.04.2020.
• Özbudak, Ö., 2009. Yüz Resimlerinden Cinsiyet Tayini (Yüksek Lisans Tezi). İTÜ, Fen Bilimleri Enstitüsü. İstanbul.
• Pişkin, M., 2020. Yüz Tanıma | Mesut Pişkin. http://mesutpiskin.com/blog/yuz-tanima.html. Erişim tarihi: 03.03.2020.
• Singh, A., 2019. HOG Özellik Tanımlayıcısına Değerli Bir Giriş. https://www.analyticsvidhya.com/blog/2019/09/feature-engineering-images-introduction-hog-feature-descriptor/. Erişim Tarihi: 14.10.2020.
• Soydaş, M., 2017. Anonim-8. http://mehmetsoydas.com/2017/05/27/real-time-face-detection-recognition-YGH-features-svm/. Erişim tarihi: 29.04.2020.
• Tanrıverdi, M., 2017. Yüz Bulma Ve Tanıma Tabanlı Otomatik Sınıf Yoklama Yönetim Sistemi (Yüksek Lisans Tezi). AÜ, Fen Bilimleri Enstitüsü. Ankara.
• Taşova, O., 2011. Yapay Sinir Ağları İle Yüz Tanıma (Yüksek Lisans Tezi). DEÜ, Fen Bilimleri Enstitüsü. İzmir.
• Thaware, R., 2018. Anonim-7. https://www.eeweb.com/profile/rajeevthaware/articles/real-time-face-detection-and-recognition-with-svm-and-YGH-features. Erişim tarihi: 29.04.2020.
• Ulgen, K., 2017. Anonim-10. https://medium.com/@k.ulgen90/makine-öğrenimi-bölüm-4-destek-vektör-makineleri-2f8010824054. Erişim tarihi: 29.04.2020.
• Varol, A., ve Cebe, B., 2011. Yüz Tanima Algori̇Tmalari Algorithms Of Face Recognition. 5th International Computer & Instructional Technologies Symposium, September, 22–24.
• Vinay, A., Reddy, D. N., Sharma, A. C., Daksha, S., Bhargav, N. S., Kiran, M. K., Murthy, K. N. B., & Natrajan, S., 2017. G-CNN and F-CNN: Two CNN Based Architectures For Face Recognition. Proceedings of the 2017 International Conference On Big Data Analytics and Computational Intelligence, ICBDACI 2017, 6, 23–28. https://doi.org/10.1109/ICBDACI.2017.8070803.
• Yang, M.H., Hand Gesture Recognition and Face Detection in Images, Ph.D Thesis, University of Illinois, Urbana-Champaign, 2000.