Dergiler / Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi / 2023 / Cilt: 39 Sayı: 3

ERUBABYFACED: Yeni Bir Bebek Yüz Tanıma Veri Seti ve Derin Öğrenme ile Tespit ve Tanınması

ERUBABYFACED: A New Baby Face Recognition Dataset and Its Detection and Recognition using Deep Learning

Tayyip Özcan(Erciyes Üniversitesi)0000-0002-3111-5260
Beyza Nur Aydemir(ERCİYES ÜNİVERSİTESİ)0009-0005-7351-9000
Sayfa
438–445
Yayın Tarihi
2023-12-31
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Deneysel çalışmalar sonucunda %95 başarı oranı elde edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Yüz tanıma, bir kişinin yüz biyometrik verisini kullanarak kişinin tanınmasını sağlayan sistemdir.
📊
Temel Bulgular & Veri:Bu yüzden bu çalışmada ilk olarak 11 bebeğe ait toplamda 139 imge içeren ERUBABYFACED adında yeni bir veri seti oluşturulmuştur.
💡
Sonuç & Katkı:Deneysel çalışmalar sonucunda %95 başarı oranı elde edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Derin öğrenme · Yüz tespit · Yüz tanıma

Özet

Yüz tanıma, bir kişinin yüz biyometrik verisini kullanarak kişinin tanınmasını sağlayan sistemdir. Yüz tespiti ve tanıma, günümüzde yapay zeka, görüntü işleme ve bilgisayarlı görü gibi alanlarda kullanılmaktadır. Yeni doğan bebeklerde ise yüz tanıma sistemi zorlu bir süreç gerektirmektedir. Araştırmacılar son yıllarda yüz tespit ve tanıma üzerine çokça araştırmalar yapmıştır. Evrişimli sinir ağları (CNN), yüz tanıma çalışmalarında en sık kullanılan yöntemler arasında yerini almıştır. Her ne kadar yüz tanıma üzerine kamuya açık çokça yetişkin yüzlerinden oluşan veri seti bulunsa da bebek yüzlerinden oluşan veri setine ulaşmak oldukça zordur. Bu yüzden bu çalışmada ilk olarak 11 bebeğe ait toplamda 139 imge içeren ERUBABYFACED adında yeni bir veri seti oluşturulmuştur. Bu çalışmada CNN yöntemi kullanarak bebeklerde yüz tespit ve tanıma çalışmaları gerçekleştirilmiştir. ERUBABYFACED veri seti deneysel çalışmalarda kullanılmıştır. Etiketlenen veriler, TensorFlow kütüphanesi tabanlı TensorFlow Lite modeli elde edilecek şekilde eğitilmiştir. Deneysel çalışmalar sonucunda %95 başarı oranı elde edilmiştir.

Abstract

Face recognition is a system that enables a person to be identified using facial biometric data. Face detection and recognition are used in fields such as artificial intelligence, image processing and computer vision. In newborn babies, the face recognition system requires a challenging process. Researchers have done a lot of research on face detection and recognition in recent years. Convolutional neural networks (CNN) have taken their place among the most frequently used methods in face recognition studies. Although there is a large publicly available dataset of adult faces on face recognition, it is very difficult to reach the dataset of baby faces. Therefore, in this study, firstly, a new dataset called ERUBABYFACED, which contains 139 images of 11 babies, was created. In this paper, face detection and recognition works were carried out in infants using the CNN method. The ERUBABYFACED dataset was used in experimental studies. The labeled data is trained to obtain a TensorFlow Lite model based on the TensorFlow library. As a result of experimental studies, a success rate of 95% was obtained.

🔖

Bu Makaleye Atıf Yap

Özcan, T., Aydemir, B. N. (2023). ERUBABYFACED: Yeni Bir Bebek Yüz Tanıma Veri Seti ve Derin Öğrenme ile Tespit ve Tanınması. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi, Cilt: 39 Sayı: 3, 438–445. https://ajindex.com/articles/1266758

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (17)

  1. Tolba, A. S. (2006). AHE-B., and AA El-Harby, Face recognition: A literature review. International Journal of Information and Communication Engineering, 2(2). 88-103.
  2. Parmar, D. N., Mehta, B. B. (2014). Face recognition methods & applications. arXiv preprint arXiv:1403.0485.
  3. LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436-444.
  4. Aslantaş, V., Kurban, R., Toprak, A., Bendes, E. (2015). An interactive web based toolkit for multi focus image fusion. Journal of Web Engineering, 14.
  5. Pang, B., Nijkamp, E., Wu, Y. N. (2020). Deep learning with tensorflow: A review. Journal of Educational and Behavioral Statistics, 45(2), 227-248.
  6. Warden, P., Situnayake, D. (2019). Tinyml: Machine learning with tensorflow lite on arduino and ultra-low-power microcontrollers. O'Reilly Media.
  7. Fadlilah, U., & Handaga, B. (2021, April). The development of android for Indonesian sign language using tensorflow lite and CNN: an initial study. In Journal of Physics: Conference Series (Vol. 1858, No. 1, p. 012085). IOP Publishing.
  8. Zeroual, A., Derdour, M., Amroune, M., & Bentahar, A. (2019, June). Using a fine-tuning method for a deep authentication in mobile cloud computing based on Tensorflow Lite framework. In 2019 International Conference on Networking and Advanced Systems (ICNAS) (pp. 1-5). IEEE.
  9. Alsing, O. (2018). Mobile object detection using tensorflow lite and transfer learning.
  10. Abed, A. A., Al-Ibadi, A., & Abed, I. A. (2023). Real-time multiple face mask and fever detection using YOLOv3 and TensorFlow lite platforms. Bulletin of Electrical Engineering and Informatics, 12(2), 922-929.
  11. Aralikatti, A., Appalla, J., Kushal, S., Naveen, G. S., Lokesh, S., & Jayasri, B. S. (2020, December). Real-time object detection and face recognition system to assist the visually impaired. In Journal of Physics: Conference Series (Vol. 1706, No. 1, p. 012149). IOP Publishing.
  12. Lin, T. 2015. LabelImg. https://github. com/tzutalin/labelImg. (Erişim Tarihi: 15.08.2023).
  13. Özcan, T., 2020. Derin Öğrenme ile İnsan Edimlerinin Tanınması. Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Doktora Tezi, 204s, Kayseri.
  14. AKARSU, K., BORANDAĞ, E., YÜCALAR, F. 2019. Tensortflow ile sebze-meyve hallerinde nesne takibi. ICCTAFA. 1-5.
  15. KIZILDAŞ, E. 2019. Tensorflow Hakkında. https://medium.com/emrekizildas/tensorflow-hakk%C4%B1nda-d71e73b81b85. (Erişim Tarihi: 17.08.2023)
  16. KİRAZ, M. 2019. TensorFlow-Lite. https://puffyy.medium.com/tensorflow-lite-ecae0b7a452a#:~:text=TensorFlow%2DLite%2C%20TensorFlow%20modellerinin%20mobil,taraf%C4%B1ndan%20olu%C5%9Fturulmu%C5%9F%20bir%20ara%C3%A7%20seti. (Erişim Tarihi: 17.08.2023).
  17. Warden, P., Situnayake, D. (2019). Tinyml: Machine learning with tensorflow lite on arduino and ultra-low-power microcontrollers. O'Reilly Media.