Yazar "Ashir, Abubakar" seçeneğine göre listele
Listeleniyor 1 - 1 / 1
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe A new approach for facial expression recognition with an adaptive classification(Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2018-07-26) Ashir, Abubakar; Akdemir, BayramSon zamanlarda Yüz İfade Tanıma (FER) uygulamaları, daha önce olduğundan giderek daha ilgi çeken hale gelmektedir. Bu tür uygulamalar psikoloji, tıbbi teşhis, güvenlik, insan-makine etkileşimi ve eğlence gibi birçok alanda görülmektedir. Bununla birlikte, duygu tanımaları, çeşitli şekilde zorluk ve bazen de çok hassas olmaktadır. Bunun nedeni ise, yüz tanıma konusunun sıradan zorluklarından ayrı olarak, FER'in, insan ırkının, kültürünün ve aynı duyguların yoğunluğunun büyük bir zorluğa yol açabilecek çeşitliliğinden etkilenmesidir. Bu tez çalışmasında, daha iyileştirilmiş hassaiyet ve uyarlanabilirlik için FER'e yeni bütüncü yaklaşımlar önerilmiştir. Araştırmada, FER'in iki ana aşaması olan (öznitelik çıkarımı ve sınıflandırma özellikleri) iyileştirme için belirlenmiştir. Öznitelik çıkarma alanında, yeni yaklaşımlar önerilmiş ve bunlardan biri de çoklu-çözünürlük ayrışımı ve sıkıştırılmalı algılama teorisinden ilham alınmıştır. Çoklu çözünürlük ayrışımı, her bir görüntü örneğinin, farklı boyutlarda ve çözünürlüklerde önceden belirlenmiş bir dizi görüntü piramidine ayrıştırıldığı görüntü Piramit İşlemini kullanır. Sağlam özellikler, tüm piramit seviyelerinden çıkarılır ve daha sonra piramit özellik vektörünü çıkarmak için birleştirilir. Sıkıştırılmalı algılama teorisi, özellik vektörlerini daha da güçlendirmek ve boyutunu önemli ölçüde azaltmak için kullanılır. Önerilen özellik çıkarıcının bir başka şekli, Yerel Gabor Örüntü (LGP) üzerinde çalışan monogenik-Yerel İkili Örüntüdür (mono-LBP). Esas olarak, monogenic- Yerel İkili Örüntüsü (mono-LBP), farklı yönlendirme ve ölçeklerdeki giriş verilerinin Yerel Gabor Örüntüsü'nden (LGP) özelliklerini çıkarır. Bu LGP özellikleri, son özellik vektörünü oluşturmak için daha sonra yeniden birleştirilen üçlü-monojenik LBP özelliklerine ayrıştırılarak geliştirilmektedir. Bu özellik vektörü farklı normalizasyon şemaları kullanılarak normalleştirilmiştir. Sınıflandırma için, iki son teknoloji ürünü sınıflandırıcı; Uyarlanabilirlik ve genel performans iyileştirmesi için Tek Dallı Karar Ağacı (SBDT) ve Dinamik Basamaklı Sınıflandırıcı (DCC) önerilmiştir. SBDT, tek dallı karar ağacına dayanan çok düzyeli bir sınıflandırıcıdır. SBDT, talimat sırasında esas olarak ikili destek vektörü makineleri kullanmaktadır. Bir deneme veri sınıfını belirlemek için, talımatlandırılmış ikili SVM'lerin çıktıları, ağacın köklerinden tepesine kadar olan düğümleri aracılığıyla değerlendirilir. Öte yandan, Dinamik Basamaklı Sınıflandırıcı (DCC) tamamen farklı bir yeni sınır sunuyor. DCC, SVM'yi de kullanır ve Dairesel Temel Fonksiyonu ile otomatik bir çekirdek parametresi optimizasyonu ile çerçevesini oluşturur. Kullanımının bir ön koşulu olarak, özellikler vektörleri, sıkıştırma algılama teknikleri kullanılarak bir Gauss uzayına yansıtılır. SVM sınıflandırıcısının özelliklerini çalıştıran alıcı , optimum çekirdek parametrelerinin otomatik olarak belirlendiği temeli sağlar. Umut verici ve etkileyici sonuçlar deneylerden elde edilmektedir. Yaygın yüz ifadesi veritabanlarından elde edilen deneysel sonuçlar, son teknoloji ürünü çapraz doğrulama tekniklerinin kullanıldığı alanda, önerilen yöntemin, benzer deney düzeneği ve veri tabanları altında muadillerinin çoğunu geride bıraktığını göstermiştir. Sonuçlar ayrıca, önerilen yaklaşımın literatürde halihazırda kullanılan diğer yaklaşımlar üzerindeki geçerliliğini ve avantajlarını doğrulamıştır.