KaydedilenlerDerginizi ekleyin

Dergiler / Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi / 2023 / Cilt: 27 - Sayı: 1

Yüz Görüntülerine Morflemeye Dayalı Maske Giydirme ve Maskeli Yüz Tanıma

Mask Fitting on Face Images Based on Morphing and Masked Face Recognition

Asuman GÜNAY YILMAZ
Eyup GEDİKLİ
Omar ALHORİ
Sayfa
12–21
Yayın Tarihi
2023-04-25
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)

CASIA-WebFace ve LFW (Labeled Faces in the Wild) veri setleri kullanılarak gerçekleştirilen deneylerde %96.5’in üzerinde maskeli yüz tanıma başarımı elde edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Covid-19 gibi virüslerin ciddi solunum yolu hastalıklarına neden olması, yüz maskelerinin kullanımını önemli hale getirmiştir.
📊
Temel Bulgular & Veri:Yüz tanıma sistemleri için oluşturulan veri setlerinde maskeli yüzler olmamakla birlikte günümüzde farklı model ve desenlerde maskeler kullanılabilmektedir.
💡
Sonuç & Katkı:CASIA-WebFace ve LFW (Labeled Faces in the Wild) veri setleri kullanılarak gerçekleştirilen deneylerde %96.5’in üzerinde maskeli yüz tanıma başarımı elde edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Maskeli yüz tanıma · Biyometrik kimlik tanıma · Otomatik maske giydirme

Özet

Covid-19 gibi virüslerin ciddi solunum yolu hastalıklarına neden olması, yüz maskelerinin kullanımını önemli hale getirmiştir. Bu nedenle yüzden kişi doğrulama ve tanıma yapan sistemlerin maskeli yüzler üzerinde de çalışabilmesi beklenmektedir. Yüz tanıma sistemleri için oluşturulan veri setlerinde maskeli yüzler olmamakla birlikte günümüzde farklı model ve desenlerde maskeler kullanılabilmektedir. Bunlar yüz tanıma sistemlerinin başarısını düşürmektedir. Bu çalışmada öncelikle maskeli yüz veri seti üretmek için mevcut yüz veri setlerine farklı tipteki maskelerin giydirilmesine çalışılmıştır. Morfleme tekniği kullanılarak yüzün pozisyonlarına uygun olarak doğala yakın otomatik giydirme işlemi gerçekleştirilmiştir. Daha sonra maskeli/maskesiz yüzlerin tanınması için derin öğrenmeye dayalı bir model geliştirilmiş ve otomatik maske giydirme tekniği ile oluşturulan veri seti denenmiştir. CASIA-WebFace ve LFW (Labeled Faces in the Wild) veri setleri kullanılarak gerçekleştirilen deneylerde %96.5’in üzerinde maskeli yüz tanıma başarımı elde edilmiştir.

Abstract

Viruses such as Covid-19 cause serious respiratory diseases, making the use of face masks important. For this reason, it is expected that face recognition and verification systems can also work with masked faces. There are no masked faces in the data sets created for face recognition systems, and today, masks of different models and patterns can be used in daily life. These reduce the success of face recognition systems. In this study, first, a wide masked face data set was produced by fitting different types of masks to the images in the existing face datasets. In the production of masked faces close to nature, the automatic mask fitting process was carried out with the image morphing technique. Then, a deep learning based model was developed for the recognition of masked/unmasked faces, and the dataset created with the automatic mask fitting technique was used to train the model. In the experiments using CASIA-WebFace and LFW (Labeled Faces in the Wild) datasets, masked face recognition performance was achieved over 96.5%.

🔖

Bu Makaleye Atıf Yap

YILMAZ, A. G., GEDİKLİ, E., ALHORİ, O. (2023). Yüz Görüntülerine Morflemeye Dayalı Maske Giydirme ve Maskeli Yüz Tanıma. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt: 27 - Sayı: 1, 12–21. https://ajindex.com/articles/888564

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (14)

  1. Dlib C++ Kütüphanesi, 2021. http://dlib.net/ (Erişim Tarihi: 15.12.2021)
  2. Yüz Hizalama Detektörü GTX kütüphanesi, 2015. https://github.com/davisking/dlib-models (Erişim Tarihi: 22.09.2021)
  3. Schroff, F., Kalenichenko, D., Philbin, J. 2015. Facenet: A Unified Embedding for Face Recognition and Clustering. 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 7-12 June, Boston, MA, USA, 815-823
  4. Szegedy, C., Ioffe, S., Vanhoucke, V., Alemi, A. A. 2017. Inception-v4, Inception-Resnet and The Impact of Residual Connections on Learning. Thirty-first AAAI Conference on Artificial Intelligence (AAAI17), 4-9 February, San Francisco, California USA, 4278-4284. 2017
  5. Zhang, K., Zhang, Z., Li, Z., Qiao, Y. 2016. Joint face Detection and Alignment Using Multitask Cascaded Convolutional Networks. IEEE Signal Processing Letters, 23(10), 1499 – 1503
  6. Qi, C., Yang, L. 2020. Face Recognition in The Scene of Wearing A Mask. 2020 International Conference on Advance in Ambient Computing and Intelligence (ICAACI). 12-13 September, Ottawa, ON, Canada, 77-80
  7. Alrikabi, J.M., Alibraheemi, K. H. 2021. A Combination Approach for Masked Face Recognition Based on Deep Learning. AM, 9(3), 499–520
  8. Wang, Z., Wang, G., Huang, B., Xiong, Z., Hong, Q., Wu, H., Yi, P., Jiang, K., Wang, N., Pei, Y., Chen, H., Miao,Y., Huang, Z., Liang, J. 2020. Masked Face Recognition Dataset and Application. arXiv preprint arXiv:2003.09093
  9. Mazli Shahar M.S., Mazalan, L. 2021. Face Identity for Face Mask Recognition System. 2021 IEEE 11th IEEE Symposium on Computer Applications &Industrial Electronics (ISCAIE). 3-4 April, Penang, Malaysia, 42-47
  10. Hariri, W. 2021. Efficient Masked Face Recognition Method during the COVID-19 Pandemic. arXiv preprint arXiv:2105.03026
  11. Vu, H.N., Nguyen, M.H., Pham, C. 2021. Masked face recognition with convolutional neural networks and local binary patterns. Applied Intelligence, Springer, Online
  12. Ejaz, M.S., Islam, M. R. 2019. Masked Face Recognition Using Convolutional Neural Network. 2019 International Conference on Sustainable Technologies for Industry 4.0 (STI), 24-25 December, Dhaka, Bangladesh, 1-6
  13. Jeevan, G., Zacharias, G.C., Nair, M.S., Rajan, J. 2022. An Empirical Study of The Impact of Masks on Face Recognition. Pattern Recognition, Volume 122(2022) 108308
  14. Luo, X., He, X., Qing, L., Chen, X., Liu, L., Xu, Y. 2020. EyesGAN: Synthesize Human Face from Human Eyes. Neurocomputing, 404(2020