- İstanbul Sabahattin Zaim Üniversitesi Fen Bilimleri Enstitüsü Dergisi
- Vol: 3 Issue: 1 Special Issue
- Veri Artırma Tekniklerinin Derin Öğrenmeye Dayalı Yüz Tanıma Sisteminde Etkisi
Veri Artırma Tekniklerinin Derin Öğrenmeye Dayalı Yüz Tanıma Sisteminde Etkisi
Authors : Erdal Alimovski, Gökhan Erdemir
Pages : 76-80
Doi:10.47769/izufbed.880581
View : 15 | Download : 3
Publication Date : 2021-04-30
Article Type : Research
Abstract :Geçtiğimiz son on yılda, Derin Öğrenme, bilhassa Evrişimsel Sinir Ağları (Convolutional Neural Network), Makine Öğrenmesi ve Derin Sinir Ağları’nın en hızlı büyüyen alanıdır. Birçok Derin Sinir Ağı arasında, günümüzde Evrişimsel Sinir Ağları görüntü analizi ve sınıflandırma amaçları için kullanılan ana araçların başında gelmektedir. Evrişimsel Sinir Ağı tabanlı modeller, yüz tanıma görevlerinde yüksek başarı performansı sergilemektedirler. İlgili modellerin başarı performansının yüksek olması oluşturulan mimariye ve tercih edilen hiper-parametrelere bağlıdır. Ek olarak, modellerin eğitildikleri veri setinin boyutu performans üzerinde büyük etkiye sahiptir. Bu çalışmada ana amacımız, afin dönüşümü (affine transform) yöntemi ile veri artırma işlemini gerçekleştirmek ve bu veri artırma tekniğinin Evrişimsel Sinir Ağlarına dayalı yüz tanıma sistemine etkisini analiz etmektir. Evrişimsel Sinir Ağlarına dayalı yüz tanıma sistemi Destek Vektör Makineleri ve K-En Yakın Komşu sınıflandırma algoritmaları ile uygulanmış, devamına iki algoritmanın performansı karşılaştırılmıştır. Çalışmamızda bütün deneyler Labeled Faces in the Wild (LFW) veri seti üzerinde gerçekleşmiştir. Elde edilen sonuçlar, uygulanan veri artırma tekniğinin, yüz doğrulama işlemi için %1.8 oranında, yüz sınıflandırma işlemi için %2.2 (Destek Vektör Makineleri) ve %2.5 (K-En Yakın Komşu) oranında artış sergilediği gözlemlenmiştir. Gerçekleşen bütün deneyler sonunda, yüz tanıma sistemi doğrulama işleminde %94.4 oranında doğruluk elde etmiştir. Sınıflandırma işlemlerinde ise sistem, Destek Vektör Makineleri algoritması uygulanarak %97.1, K-En Yakın Komşu algoritması uygulanarak ise %96.3 oranında başarı performansı elde etmiştir.Keywords : Derin öğrenme, Evrişimsel Sinir Ağları, yüz tanıma, veri artırma