Tez No	İndirme	Tez Künye	Durumu
776695		Makine öğrenmesi algoritmalarını kullanarak otomatik parmak damarı tanıma sistemi / Automatic finger vein recognition system using machine learning algorithms Yazar:MUSTAFA KOCAKULAK Danışman: PROF. DR. NURETTİN ACIR ; PROF. DR. HAKAN GÜRKAN Yer Bilgisi: Bursa Teknik Üniversitesi / Lisansüstü Eğitim Enstitüsü / Mekatronik Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering ; Mekatronik Mühendisliği = Mechatronics Engineering Dizin:Biyometri = Biometry ; Derin öğrenme = Deep learning ; Görüntü tanıma = Image recognition ; Kullanıcı belirleme = User identification ; Makine öğrenmesi = Machine learning ; Sayısal görüntü işleme = Digital image processing ; Tıbbi görüntüleme cihazları = Medical imaging equipments	Onaylandı Doktora Türkçe 2023 116 s.
Hızla artan dünya nüfusu ve durmadan gelişen teknoloji ile hayatın hemen her alanında, güvenlik ve erişim kontrolü gibi çeşitli sebeplerle biyometrik sistemlere ihtiyaç duyulmaktadır. Son yıllarda duyulan ihtiyacı karşılamak için makine öğrenmesi bilhassa da derin öğrenme, biyometrik sistemlerde yaygın olarak kullanılmaktadır. Bu sistemlere hızlı ve düşük maliyetli çözümler sunan parmak damarı, kişiye özgü olmak, zamanla değişime uğramamak ve dış müdahalelere kapalı olmak gibi çeşitli avantajlara sahip olan bir biyometri türüdür. Bu tez, parmak damarı biyometrisini başta parmak damarı tanıma olmak üzere 3 ana başlıkta inceleyip bu başlıklar altında karşılaşılan 3 farklı probleme, makine öğrenmesi algoritmalarını kullanarak çözüm getirmeyi amaçlamaktadır. İlk olarak, derin öğrenme uygulamalarının başarımına katkı sağlayacak sayıda kişi ve bu kişilerden alınan yeterli sayıda örnek içeren halka açık herhangi bir parmak damarı veri seti bulunmamaktadır. Bu sebeple yazılımsal bir çözüm kullanarak sentetik parmak damar görüntüleri içeren kapsamlı bir veri seti oluşturulmuş ve bu veri seti erişime açılmıştır. İkinci olarak, oluşturulan sentetik veri seti kullanılarak, yeterli sayıda kişi ve örnek içeren bir veri seti sağlandığında literatürdeki tanıma uygulamalarında elde edilen performansın ulaşabileceği değerler kestirilmiştir. Yapılan çalışmalarda, bu uygulamalarda elde edilen başarıma kişi ve örnek sayısının etkisi gözlemlenmiştir. Buna ek olarak birkaç halka açık veri seti kullanılarak tasarlanan çeşitli derin öğrenme modelleri aracılığıyla elde edilen tanıma ve doğrulama performanslarının ulaştığı başarım değerlendirilmiştir. Son olarak piyasada bulunan parmak damarı tanıma cihazları, kullanıcıların ham verilere erişmesine izin vermediğinden, bu çalışmada tasarlanan görüntüleme cihazı ile kullanıcılara, platformdan alınan parmak damarı görüntülerine erişim hakkı verilmektedir. Bu cihaz ile bazı el tabanlı biyometrik özelliklerin parmak damarı ile aynı anda kullanılmasını kolaylaştıran, herhangi bir fiziksel sensör kullanmayan ve çok kipli biyometrik sistemlerin önünü açan makine öğrenmesi tabanlı bir çözüm önerilmiştir.
With the rapidly increasing world population and constantly developing technology, biometric systems are required in almost every area of life for various reasons such as security and access control. To meet the need in recent years, machine learning, especially deep learning, is widely used in biometric systems. Finger vein, which offers quick and low-cost solutions to these systems, is a type of biometrics with various advantages such as being unique, not changing over time, and being closed to outside interventions. This thesis aims to analyze finger vein biometry under 3 main headings, primarily finger vein identification, and to find solutions to 3 different problems encountered under these headings using machine learning algorithms. First, there is no publicly available finger vein dataset that contains a sufficient number of individuals and samples from these individuals to contribute to the performance of deep learning applications. For this reason, a comprehensive dataset containing synthetic finger vein images was created using a software solution and this dataset was made accessible. Secondly, when a data set containing a sufficient number of subjects and samples are provided using the synthetic data set created, the values that the performance obtained in the identification applications in the literature can reach were estimated. In the studies, the effect of the number of people and samples on the success achieved in these applications was observed. In addition, recognition and validation performances obtained through various deep learning models designed using several publicly available datasets were evaluated. Finally, since finger vein recognition devices on the market do not allow users to access raw data, users are given access to finger vein images taken from the platform with the imaging device designed in this study. With this device, a machine learning-based solution has been proposed that facilitates the simultaneous use of some hand-based biometric traits with the finger vein, does not use any physical sensors, and paves the way for multi-modal biometric systems.