Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Öğrenci: Adnan Wazzeh
Danışman: Ahmet Sertbaş
Özet:
Son yıllardaki biyometri alanında gerek yüz tanıma gerek yürüyüş alanlarındaki derin öğrenme
başarıları geleneksel öğrenme yöntemlerine kıyasla artırmıştır. Bunun en önemli sebebi büyük
veri analizlerine imkân sağlayacak yüksek işlemci gücüne sahip bilgisayar sistemleridir.
Biyometri alanlarındaki yürüyüş analizi verilere büyük çapta olduklarından dolayı
modellemeleri daha derin ve karmaşıktır, bu nedenle daha fazla zaman tüketimi ve işlem
yüküne sahiptir. Bu amaçla iyi bir performansa sahip daha az donanımı kaynak olarak tüketen
bir light-CNN modeli önerilmiştir. CNN’nin katmanlarında maksimum aktivasyon işlemi için
Max-Feature-Map (MFM) kullanılmıştır. Aslında bir diğer bilinen ve sıklıkla kullanılan (ReLu)
fonksiyonu genelde aktivasyon fonksiyonu olarak kullanılmaktadır, ama (Relu) fonksiyonu bir
eşik değer ile nöronu bastırırken, MFM fonksiyonu rekabetçi bir ilişkiyle bastırmaktadır. MFM
bunun yanı sıra genel anlamda sadece gürültülü sinyalleri ayırmakla kalmaz aynı zamanda
özellik seçiminde rol oynamaktadır. Burada iyi bir performansı vermekle birlikte parametreleri
ve zaman kaybını azaltan bir tane ağ sunmaktayız. Modelimiz, CMU veri seti üzerinde
çalıştırılmıştır ve yürüyüş cinsiyet tanıma doğruluk oranı %92.7 ye ulaşmıştır.