KaydedilenlerDerginizi ekleyin

Dergiler / Fırat Üniversitesi Mühendislik Bilimleri Dergisi / 2022 / Cilt: 34 - Sayı: 1

Evrişimsel Sinir Ağı Temelli Yüz Tanıma Yöntemleri ile Robot Resim Oluşturma Uygulaması

Faruk AYATA
Hayati ÇAVUŞ
Sayfa
215–228
Yayın Tarihi
2022-03-20
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)

Create a Sketch Application with Convolutional Neural Network Based Face Recognition Methods

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Create a Sketch Application with Convolutional Neural Network Based Face Recognition Methods
📊
Temel Bulgular & Veri:Create a Sketch Application with Convolutional Neural Network Based Face Recognition Methods
💡
Sonuç & Katkı:Create a Sketch Application with Convolutional Neural Network Based Face Recognition Methods
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Aile yüz veri seti · Evrişimsel sinir ağı · Robot resim oluşturma

Özet

Create a Sketch Application with Convolutional Neural Network Based Face Recognition Methods

🔖

Bu Makaleye Atıf Yap

AYATA, F., ÇAVUŞ, H. (2022). Evrişimsel Sinir Ağı Temelli Yüz Tanıma Yöntemleri ile Robot Resim Oluşturma Uygulaması. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 34 - Sayı: 1, 215–228. https://ajindex.com/articles/393521

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (14)

  1. Anonim. (2020, 9 Nisan). Makine öğrenmesi. [Online]. Erişim:
  2. A. Varol ve B. Cebe, “Algorithms of face recognition,” 5th International Computer ve Instructional Technologies Symposium, Elazığ, Türkiye, 2011, ss. 22-24 [3] M. Pişkin. (2020, 3 Mart). Yüz tanıma | Mesut Pişkin. [Online]. Erişim:
  3. E. Cengil ve A. Çınar, “A new approach for ımage classification: Convolutional neural network,”European Journal of Technic EJT, c. 6, s. 2, ss. 96–103, 2016
  4. A. Zhou, J. Chen, J. Ding ve Z. Pan, “Face recognition based on two-stage cnn combined with transfer learning,” 2019 IEEE 4th International Conference on Image, Vision and Computing (ICIVC), Xiamen, China, 2020, ss. 401-406
  5. F. Ayata, H. Çavuş, M. İnan, E. Seyyarer, E. Biçek ve E. Kına, “Dostroajan: Facial recognition based system input control agent,”AJIT-e: Online Academic Journal of Information Technology, c. 11, s. 40, ss. 82–96, 2020
  6. R. Godbole ve S. Burad, “Face expression detection using CNN,” International Journal of İnnovative Research in Technolgy, c. 5, s. 12, ss. 16–18, 2019
  7. O. Çeliktutan, Ç. H. Akakın ve B. Sankur, “İnsan yüzlerinde 2b nirengi noktalarının otomatik saptanması,” IEEE 16th Signal Processing, Communication and Applications Conference, 2013, ss. 1-27
  8. N. Wang, X. Gao, D. Tao ve W. Liu, “Facial feature point detection: A comprehensive survey,” Neurocomputing,c. 275, ss. 50-65, 2014
  9. X. Cao, Y. Wei ve F. Wen, “Face alignment by explicit shape regression,” 2012 IEEE Conference on Computer Vision and Pattern Recognition, 2012, ss. 2887-2894
  10. Z. Feng, J. Kittler, L. Member, W. Christmas ve X. Wu, “A unified tensor-based active appearance face model,” ACM Transactions on Multimedia Computing Communications and Applications, 2017, ss. 1–12
  11. Z. Zhang, P. Luo, C. LoyveX. Tang, “Facial landmark detection by deep multi-task learning,” European Conference on Computer Vision, Springer, 2014, ss. 94-108
  12. U. Ayvaz ve H. Gürüler, “Bilgisayar kullanıcılarına yönelik duygusal ifade tespiti,” Bilişim Teknolojileri Dergisi, c. 10, ss. 231–231, 2017
  13. T. Whitmarsh, R. Veltkamp, M. Spagnuolo, S. Marini ve F. Haar, “Landmarkdetection on 3d facescansbyfacial model registration,” 1st İnternational Symposium on Shapes and Semantics, Citeseer, 2008, ss. 71–5
  14. D. Liu, J. Li, N. Wang, C. Peng ve X. Gao, “Composite components-based faces ketch recognition,” Neurocomp