Derin Öğrenme ve Yüz Bulma Yöntemleri Kullanılarak Yüz Tanıma

Son yıllarda görüntü işleme ile derin öğrenme çalışmalarının popülaritesi hızla artmaya başlamıştır. Özellikle yüz bulma ve yüz tanıma, günümüzde araştırmaların ana konusudur. Yüz tanıma, kişileri belirleyebilmek için mevcut veri tabanındaki görüntüleri kullanır. Diğer bir yöntem olan kamera sistemleri ile görüntüyü yakalayıp ayırt edebilir. Bu tez çalışmasında, görüntü işleme tabanlı yöntemler ve derin öğrenme mimarileri kullanılarak yüz tanıma yöntemleri analiz edilmiştir. Yüz tanımanın ön adımı olan yüz bulma işleminden bahsedilmiştir. Bu işlemden sonra tespit edilen yüzler ile bir veri tabanı oluşturulmuştur. FEI yüz veri tabanı sağ profilden, sol profilden ve orta profilden pozları içeren görüntülerden oluşmaktadır. Görüntü işleme tabanlı yöntemler için Temel bileşen analizi (TBA), Doğrusal ayrım analizi (DDA) alınarak oluşturulmuş yüz uzayı ile özyüzler ve fisherfaces yöntemleri kullanılmıştır. Yüz tanımada kullanılan özyüzler ve fisherfaces yöntemleri için uygulamalar yapılmış olup, bu iki yöntemin doğruluk oranları karşılaştırılmıştır. Farklı poz varyasyonları ile yapılan çalışmalar için özyüzler ile yüz tanıma doğruluk oranları daha yüksek çıkmıştır. Derin öğrenme mimarileri için AlexNet, Resnet-18, GoogleNet ve SquuezeNet algoritmaları ile yüz tanıma algoritması eğitilmiş ve bu dört yöntemin doğruluk oranları karşılaştırılmıştır. Her bir mimari kendine ait katmanlardan oluşmaktadır. Oluşturulan veri seti mimarinin özelliklerine göre boyutlandırılıp, eğitime girmiştir. Eğitim sonucunda mimarilerin ImageNet ile eğitimi tamamlanmış olup, doğruluk oranları elde edilmiştir. Yüz tanıma yöntemleri ve derin öğrenme mimarilerinin doğruluk performansları karşılaştırılmıştır. Yüz bulma uygulamasında Viola-Jones algoritması ile %85,71 doğruluk oranı, yüz tanımada özyüzler ile %76,66 doğruluk oranı ve derin öğrenme mimarilerinde ResNet-18 ile %100 en yüksek doğruluk oranı elde edilmiştir.