Parmak Görüntüleri Üzerinden Kişi Yaş Ve Cinsiyet Tahmini Yapılması

Abstract

Bu tez çalışması, Deep Recurrent Fingerphotos Network (DRFN) olarak adlandırılan, bir Derin Tekrarlayan Öğrenme (DRL) modeli, aracılığı ile parmak fotoğrafı görüntülerine dayalı kişi tanıma, yaş tahmini ve cinsiyet tahmini işlemlerini içermektedir. Önerilen DRFN modelinin mimarisi; bir giriş katmanı, birkaç gizli katman, bir çıkış katmanı ve bir geri besleme bağlantısından oluşmaktadır. Önerilen modelin doğruluğunu test edebilmek adına, araştırmacılar tarafından, tamamı özgün görüntülerden oluşan bir veri seti toplanmıştır. Söz konusu veri seti içerisinde her bir insana ait 10 parmağın farklı açıdan çekilmiş 10 fotoğrafı bulunmaktadır. Toplanan özgün veri seti üzerinde, çalışma kapsamında gerçekleştirilen işlemler arasında parmak fotoğrafı görüntüleri aracılığıyla kişi tanıma, cinsiyet belirleme, yaş tahmini ve performans sonuçlarının değerlendirilmesi yer almaktadır. Söz konusu çalışma içerisinde ayrıca, önerilen DRFN modeli ile AlexNet, LeNet, GoogleNet, VGG16 ve ResNet-50 gibi özellik çıkarma için kullanılan diğer iyi bilinen derin öğrenme ağları arasında yapılan kapsamlı deneyler ve karşılaştırmalar da yer almaktadır. Bu değerlendirmelerde Destek Vektör Makinesi (SVM), Rastgele Orman, Çok Katmanlı Algılayıcı (MLP), Doğrusal Regresyon ve Lojistik Regresyon dahil olmak üzere çeşitli sınıflandırıcılar kullanılmıştır. Gerçekleştirilen analizlerin değerlendirilmesinde, Precision, Recall ve F1-Score gibi çok çeşitli performans ölçütleri kullanılmıştır. Elde edilen sonuçlar, önerilen DRFN modelinin kıyaslanan algoritmalardan daha iyi performans gösterdiğini ve parmak fotoğraflarının kişi tanıma, cinsiyet tanıma ve yaş tahmini gibi alanlarda kullanılabileceğini göstermiştir. Bu tez, parmak fotoğrafı kullanarak bireysel doğrulama için DRL tabanlı bir çerçeve önermekle kalmamakta, aynı zamanda ayrıntılı deneyler ve karşılaştırmalı analizler yoluyla etkinliğini göstermektedir.