Tez No	İndirme	Tez Künye	Durumu
467496		Derin öğrenme ile yüz tanıma / Face recognition with deep learning Yazar:FATIMA ZEHRA Danışman: YRD. DOÇ. DR. MEHMET SERDAR GÜZEL Yer Bilgisi: ANKARA ÜNİVERSİTESİ / FEN BİLİMLERİ ENSTİTÜSÜ / BİLGİSAYAR BİLİMLERİ VE MÜHENDİSLİĞİ ANABİLİM DALI Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Anahtar Kelime:Derin öğrenme = Deep learning ; Matlab = Matlab ; Yapay sinir ağları = Artificial neural networks ; Yüz tanıma = Face recognition	Onaylandı Yüksek Lisans Türkçe 2017 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.