İnsan kulağı görüntüleri kullanarak cinsiyet tanıma için derin öğrenme tabanlı melez bir yaklaşım
No Thumbnail Available
Date
2022
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Günümüzde insan kulak görüntülerinin kullanımı, biyometrik yetkilendirme ve gözetleme sistemlerinin sürdürülebilirliği adına önem kazanmaktadır. Güncel çalışmalar, böyle işlemlerin el ile yapılması yerine yarı otomatik veya tam otomatik olarak yapılabileceğini göstermektedir. Derin öğrenme soyut öznitelikleri (temsili öğrenme) kullanması nedeniyle klasik yöntemlere göre oldukça yüksek başarım değerlerine ulaşmaktadır. Çalışmamızda insanların cinsiyetlerine göre tam otomatik olarak sınıflandırılmasında insan kulağı görüntülerinin kullanımına dayanan melez derin öğrenme tabanlı sinerjik bir cinsiyet tanıma yaklaşımı oluşturulmuştur. Melezleme yoluyla hem evrişimli sinir ağı bileşeni hem de tekrarlayan sinir ağı tipli bileşenlerini bir arada içeren melez derin sinir ağı mimari modelleri kullanılmıştır. Bu modellerde tekrarlayan sinir ağı tipi bileşenler olarak uzun kısa süreli bellek ve kapılı tekrarlayan birim alınmıştır. Bu bileşenler sayesinde melez model görüntü içerisindeki piksel bölgeleri arasındaki ilişkisel bağımlılıkları oldukça iyi elde etmektedir. Bu sinerjik yaklaşım sayesinde çalışmamızdaki tek başına evrişimli sinir ağı modeline göre melez modellerin cinsiyet sınıflandırma doğruluğu daha yüksek olmaktadır. Cinsiyet işaretlemesine sahip iki farklı görüntü veri kümesi deneylerimizde kullanılmıştır. Deneysel sonuçların güvenirliği nesnel ölçütlerle kanıtlanmıştır. Yapılan deneylerde melez modellerle yapılan cinsiyet tanımada en yüksek değerler sırasıyla, EarVN veri kümesi için test doğruluğu %85,16 ve WPUT veri kümesi için test doğruluğu %87,61 oranlarında elde edilmiştir. Çalışmamızın son bölümünde tartışma ve sonuçlara yer verilmektedir.