GÖRÜNÜŞ TABANLI YÜZ TANIMA YÖNTEMLERİNDE VERİMLİLİĞİ ARTIRMAK İÇİN ÖZNİTELİK SEÇİMİ

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye

Tezin Onay Tarihi: 2017

Tezin Dili: Türkçe

Öğrenci: Derya Altıntop

Asıl Danışman (Eş Danışmanlı Tezler İçin): Celal ÖZTÜRK

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Yüz tanıma sistemlerinde gereksiz özniteliklerin atılması hesaplama karmaşıklıklarının azaltılmasını ve işlenen verinin küçültülmesini sağlar. Daha etkili sınıflandırma performansını sağlayacak öznitelik alt kümesini belirlemek zor bir konudur. Bu durum, yüz veri setinin örnek uzayında ayrıntılı araştırma yapmayı gerektirmektedir. Bu tez çalışmasında, görünüş tabanlı yüz tanıma sistemlerinde, ayırt edici ortak vektör yöntemi (DCV) ve sezgisel optimizasyon algoritmaları birlikte kullanılarak hibrit öznitelik seçim yöntemleri geliştirilmiştir. Kullanılan sezgisel optimizasyon algoritmaları, genetik algoritma (GA) ve yapay arı kolonisi algoritması (ABC) temellidir. Çalışmanın temel amacı, yüz tanıma oranını artırmak ve hesaplama karmaşıklığını azaltmak için öznitelik seçimi yapmaktır. Geliştirilen hibrit öznitelik seçim yöntemleri, çeşitli yüz veri setleri üzerinde test edilmiş ve sonuçlar karşılaştırılmıştır. Geliştirilen yapay arı kolonisi algoritması temelli hibrit öznitelik seçim yönteminin, yüz tanıma oranı ve verimlilik konularında yapılan diğer çalışmalara ve genetik algoritma temelli yönteme göre daha başarılı olduğu gözlemlenmiştir.