BE- Hesaplamalı Bilim ve Mühendislik Lisansüstü Programı - Doktora
Bu koleksiyon için kalıcı URI
Gözat
Yazar "Tunç, Birkan" ile BE- Hesaplamalı Bilim ve Mühendislik Lisansüstü Programı - Doktora'a göz atma
Sayfa başına sonuç
Sıralama Seçenekleri
-
ÖgeRobust face recognition on nonlinear manifolds(Bilişim Enstitüsü, 2012) Tunç, Birkan ; Gökmen, Muhittin ; 413410 ; Hesaplamalı Bilim ve Mühendislik ; Computational Science and EngineeringGünümüze dek yapılmış tüm çalışmalara rağmen, yüz tanıma konusu hala kontrollü ortamlarda gösterdiği başarının ötesinde bir ilerlemeye ihtiyaç duymaktadır. Görüntüleme sırasında etkin olan, ışıklandırma, poz, yüz ifadeleri gibi değişimler tanıma etkinliğini olumsuz yönde ve yoğun bir biçimde etkilemektedir. Belli değişimler karşısında başarı gösteren yöntemler geliştirilmiş olmasına karşın, farklı değişimleri aynı yaklaşım ile modelleyebilen bir çalışmadan bahsetmek pek mümkün olamamaktadır. Bu çalışmanın amacı, farklı değişimleri modelleyebilecek genel bir yaklaşımın tasarlanması ve başarımının ölçülmesidir. Sunulan yaklaşımın, değişimlere özel ayarlamalara ihtiyaç duymadan, yalın hali ile kullanılabilmesi ve böylece farklı alt uzay incelemelerini aynı çatı altında toplayabilmesi hedeflenmektedir. Önerilen yöntem, genel hatları ile, alt uzay tasarımlarına dayanmaktadır ve böylece gelecekte yöntemin ne şekilde geliştirilebileceği, açık bir şekilde sunulmaktadır. Bu çalışmada, olasılık tabanlı PCA benzeri bir çerçeve kullanılarak, doğrusallıktan belli düzeyde uzak değişimlerin modellenebilmesi ve bu değişimlerin var olduğu durumlarda sınıflandırma yapılabilmesi için genel amaçlı bir yöntem geliştirilmiştir. Yöntem iki temel aşamadan oluşmaktadır: (1) Manifold öğrenimi ve (2) olasılık temelli üretim modeli. İlk aşamada elde edilen düşük boyutlu alt uzay konaçları, ikinci aşamada sınıfa özel altuzayların belirlenmesinde kullanılmaktadır. Yöntemin en belirgin üstünlüğü, her sınıf için ayrı bir alt uzay elde edilmesi ve eğitim aşamasında her sınıfın tek bir örneğinin yeterli olmasıdır. Sınıfların bağımsız alt uzaylar içerisinde modellenmesi, yöntemin ayrım gücünü oldukça arttırmaktadır. Yöntemin farklı değişimler altında çalışabildiğini göstermek amacıyla, ışıklandırma, poz ve ifade farklılıkları söz konusuyken yüz tanıma deneyleri yapılmıştır. Yöntem, mevcut yazında başarılı olarak nitelendirilen yöntemlerle yarışan başarım oranları elde etmiş ve yüksek boyutlu veritabanları için de uygun olduğunu kanıtlamıştır. Önerilen yöntemin bazı temel artı değerleri şu şekilde sıralanabilir: (1) Manifoldlar üzerinde tanımlı farklı değişimler, yöntem üzerinde yenilemeye ihtiyaç duyulmadan kontrol altına alınabilmektedir. (2) Geleneksel etmen çözümlemesi yaklaşımının etkinliği ve ölçeklenebilirliği, sınıf temelli bir yaklaşım ile arttırılmıştır. (3) Karar verme süreci tamamen olasılıksaldır ve böylece yüksek boyutlu veritabanlarına yönelik olarak öncül olasılıkların devreye sokulması ve alınacak kararın alan bilgisi ile kuvvetlendirilmesi mümkündür. (4) Üç boyutlu modellemeler ile kıyaslandığında, ön inceleme aşamasının zaman karmaşıklığı daha düşüktür. (5) Her kişinin tek bir örneğinin bulunması tanıma için yeterliyken, birden çok görüntünün bulunması durumunda başarımı arttıracak eklentiler de tanımlanmıştır.