Öznitelik Füzyonu Kullanarak Derin Öğrenme Tabanlı Yüz Tanıma

Abstract

Yüz tanıma sistemleri güvenlik, kimlik doğrulama, kişiselleştirilmiş uygulamalar, sürücü yorgunluk takibi gibi birçok farklı alanda giderek daha yaygın bir şekilde kullanılmaktadır. Bu çalışmada, geleneksel öznitelik çıkarım yöntemlerinin (Histogram of Oriented Gradients, HOG; Local Binary Patterns, LBP; Grayscale) derin öğrenme tabanlı bir sınıflandırma mimarisiyle entegre edilmesiyle geliştirilen hibrit bir model sunulmaktadır. Geleneksel yöntemlerin sınırlı genelleme kapasitesini aşmak amacıyla, elde edilen ayırt edici öznitelikler birleştirilerek derin öğrenme modeline girdi olarak sunulmuştur. Geliştirilen modelin performansı, Orl, Put, Feret, Yale ve Georgia Tech olmak üzere 5 farklı yüz tanıma veri seti üzerinde test edilmiştir. Deney sonuçlarına göre hibrit model test verileri üzerinde Orl’de %99.00, Put’da %97.80, Feret’te %97.37, Yale’de %95.76 ve Georgia Tech’te %95.33 doğruluk oranına ulaşmıştır. Bu sonuçlar, önerilen hibrit sistemin geleneksel yaklaşımlara kıyasla daha başarılı performans sergilediğini ortaya koymuştur.