Dergiler / Bilgisayar Bilimleri / 2021 / Cilt: IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium - Sayı: Special
EGA-Net: Endüstri 4.0 ve Dijital Dönüşüm Döneminde Üretim Çalışanlarının Yüz İfadesi, Yaş ve Cinsiyetlerinin Derin Öğrenme Yöntemleri ile Analizi
- Dergi
- Bilgisayar Bilimleri
- Sayfa
- 70–81
- DOI
- —
Özet
Günümüzde insanların yüz ifadeleri, yaşları ve cinsiyetlerinin bilgisayarla analizi, insan-makine etkileşimi araştırma alanındaki teknolojik gelişmelerle birlikte önemli bir araştırma konusu haline gelmiştir. Bu analizin sağlanması için manuel olarak özellik çıkarımına ihtiyaç duymayan evrişimli sinir ağları algoritmaları sıklıkla kullanılmaktadır. Bu çalışmada, üretim çalışanlarının yüz ifadesi, yaş ve cinsiyetlerinin analiz edilmesi için CK+ ve UTKFace olmak üzere iki farklı veri seti kullanılmıştır. Bu veri setleri dört farklı yeni evrişimli sinir ağları mimari tasarımlarının eğitiminde kullanılmıştır. En iyi sınıflandırma performansını elde eden evrişimli sinir ağları mimari tasarımı EGA-Net olarak isimlendirilmiştir. Sonrasında EGA-Net’e ait ağırlık dosyaları OpenCV kütüphanesi ile birlikte kullanılmıştır. Böylelikle yüz ifadesi, yaş ve cinsiyet gerçek zaman olarak analiz edilmiştir.
Abstract
Nowadays, analysis of people's facial expressions, age, and gender by computer has become a considerable research topic together with technological advances in the area of human-machine interaction research. To provide this analysis, convolutional neural network algorithms that do not need manual feature extraction are widely used. In this study, two different data sets, CK+ and UTKFace, have been used to analyze the facial expression, age, and gender of manufacturing employees. These data sets have been used in the training of four different novel convolutional neural networks architecture designs. The convolutional neural network architecture design that achieves the best classification performance has been called as EGA-Net. After that, the weight files of the EGA-Net have been used together with the OpenCV library. Thus, facial expression, age, and gender have been analyzed in real-time.