Tez No	İndirme	Tez Künye	Durumu
806583		An investigational FW-MPM-LSTM approach for face recognition using defective data / Yazar:BARAA ADIL MAHMOOD Danışman: DR. ÖĞR. ÜYESİ SEFER KURNAZ Yer Bilgisi: Altınbaş Üniversitesi / Lisansüstü Eğitim Enstitüsü / Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Yapay zeka = Artificial intelligence	Onaylandı Doktora İngilizce 2023 65 s.
Yüz tanıma sistemleri doğrudan ilgili olduğu için biyometrik sistem olarak sıralanmaktadır. yüz özelliklerine ve özelliklerine. Ayrıca görüntü ilkelerine dayalıdırlar. işleme, makine görüşü ve bazen makine öğrenimi. Yüz tanıma sistemleri, görüntülerden kusurlu bilgileri dikkate alın. Bu durumda, bir dizi sağlamak esastır. Eşleşen yüzler için görüntü yeniden yapılandırma mekanizmaları. Bu yazıda sağlam bir yöntem görüntünün segmentasyonuna dayalı olarak yüz tanıma veri setinde uygulandı ve test edildi teknikler. Önerilen yaklaşım, ön işleme aşamasında görüntünün gelişmiş Görüntü bölütleme ve yeniden yapılandırma adımını daha sonra ayıklama takip eder. dudaklar, gözler, yanaklar ve yüz bölgesi gibi özellikleri kullanan en iyi yüz özellikleri. Bu operasyon fraktal modele ve dalgacık dönüşümüne dayalıdır. Ardından, sistemi eğitmek ve test etmek için LSTM sinir ağı, Moore Penrose Matrix adlı bir yöntem kullanılarak optimize edilmiştir. MPM-LSTM. Sonuçlar, önerilen yaklaşımın daha iyi performans gösterdiğini göstermektedir. son yöntemlerle karşılaştırılması. L-SVM, L-SVM-Wo, K SVM, K-SVM-Wo, CS, CS-Wo için performans doğruluk oranı 98, 98,5, 95, 94,5, 98,1 ve 98,3 olarak elde edildi. sırasıyla önerilen yöntem 99.58 olarak elde edilirken
Facial recognition systems are listed as a biometric system, because they are directly related to the facial features and characteristics. They are also based on the principles of image processing, machine vision and sometimes machine learning. Face recognition systems may consider imperfect information from images. In this case, it is essential to provide a series of image reconstruction mechanisms for matching faces. In this paper a robust method was implemented and tested on the face recognition dataset based on the image's segmentation techniques. The proposed approach is that in the pre-processing phase, image should be enhanced. The image segmentation and reconstruction step is then followed by extracting the best facial features using features such as lips, eyes, cheeks and face area. This operation is based on fractal model and wavelet transform. Next, to train and test the system, the LSTM neural network is optimized using a method called Moore Penrose Matrix which named the MPM-LSTM. The results represent the proposed approach have better performance in comparison to recent methods. The performance accuracy rate for L-SVM, L-SVM-Wo, KSVM, K-SVM-Wo, CS, CS-Wo were obtained 98, 98.5, 95, 94.5, 98.1, and 98.3 respectively, while the proposed method is obtained as 99.58