Derin Öğrenme Algoritmalarını Kullanarak Görüntüden Cinsiyet Tahmini

Büyük verilerin büyük hızlarla işlendiği çağımızda milyarlarca veriden farklı parametreler çıkararak çeşitli problemlerin çözümüne kolaylık getirmek için derin öğrenme algoritmaları kullanılmaktadır. Bu çalışmada, mevcut veri setlerinde bulunan kadın, erkek, yaşlı, genç, çocuk, bebek fotoğraflarının derin öğrenme algoritmaları ile cinsiyetlerini tespit etmek amaçlanmıştır. Bu tahminleme algoritmasını gerçekleştirmek için çeşitli derin öğrenme kütüphanelerinden faydalanılmış ve derin öğrenme modellerinden Alex Net ve VGG-16 ile yeni geliştirilen bir modelin diğer modellerle kıyaslanması yapılmıştır. Uygulamada kullanılan veri seti, kadın ve erkek fotoğraflarından oluşturulmuştur. Her fotoğraf ise kişi cinsiyetine ve yaşına göre etiketlendirilmiştir. Bu veri seti, 3170 eğitim verisi ile 318 test verisi içermektedir. Çalıştırılan üç farklı model sonuçları karşılaştırılmıştır. Makalede, derin öğrenme algoritmalarını kullanarak cinsiyet tahmini yapılması ayrıntılı bir şekilde incelenmiş ve yapılacak olan literatür çalışmalarına yol gösterilmesi, katkı sağlanması hedeflenmiştir.

Gender Estimation with Image by Using Deep Learning Algorithms

In our age, where big data is processed at great speeds, deep learning algorithms are used to facilitate the solution of various problems by extracting different parameters from billions of data. In this study, it is aimed to determine the genders of female, male, old, young, child and baby photographs in the existing data sets with deep learning algorithms. To realize this prediction algorithm, various deep learning libraries were used and a new model with deep learning models Alex Net and VGG-16 was compared. The data set used in the application is composed of male and female images. Each image is labeled according to the gender and age of the person. This data set includes 3170 training data and 318 test data. The results of three different models were compared. The article explains in detail how to make a gender prediction using deep learning algorithms and aims to contribute to the literature studies.

PDF

___

[1] https://www.log.com.tr/tek-fotograftan-yas-tahmini-yapan-siteye-buyuk-ilgi/, [Erişim tarihi: 12 Ocak, 2019].

[2] https://www.teknoblog.com/xiaomi-mi-6-on-kamera-tahmin/, [Erişim tarihi: 12 Ocak 2019].

[3] Rasmus Rothe, Radu Timofte, Luc Van Gool; “DEX: Deep EXpectation of Apparent Age From a single image”, ICCV, 2015.

[4] Kwang Gi Kim; “Deep Learning”; PhD, Biomedical Engineering Branch Division of Precision Medicine and Cancer Informatics, National Cancer Center, Goyang, Korea, 2016.

[5] Abdulkadir ŞEKER, Banu DİRİ, Hasan Hüseyin BALIK; “Derin Öğrenme Yöntemleri ve Uygulamaları Hakkında Bir İnceleme”, Gazi Mühendislik Bilimleri Dergisi, 2017.

[6] B.A. Golomb, D.T. Lawrance and T.J.Sejnowski; “Sexnet: A Neural Network Identifies Sex From Human Faces, In Neural Inform Processing System, 1991.

[7] Gil Levi and Tal Hassner; “Age and Gender Classification using Convolutional Neural Networks”, Computer Vision Foundation, 2015.

[8] Rajeev Ranjan , Vishal M. Patel , Rama Chellappa; “HyperFace: A Deep Multi-Task Learning Framework for Face Detection, Landmark Localization, Pose Estimation, and Gender Recognition”, IEEE Transactions on Pattern Analysis and Machine Intelligence , Volume: 41 , Issue: 1 , Jan. 1 2019, DOI: 10.1109/TPAMI.2017.2781233--- Page(s): 121 – 135, 08 December 2017.

[9] Eran Eidinger, Roee Enbar, Tal Hassner; “Age and Gender Estimation of Untifiltered Faces”, IEEE, 2013.

[10] Y. Le Cun et al.; “Handwritten digit recognition: applications of neural network chips and automatic learning,” IEEE Commun. Mag., Vol. 27, no. 11, pp. 41–46, Nov. 1989.

[11] Y. LeCun, Y. Bengio, and G. Hinton, “Deep learning,” Nature, Vol. 521, pp. 436–444, 2015.

[12]Abdulkadir ŞEKER, “Derin Öğrenme Yöntemleri ve Uygulamaları Hakkında Bir İnceleme”, Doktora Semineri, YTÜ Bilgisayar Müh. Bölümü, İstanbul, 2017.

[13] Ferdi Doğan, İbrahim Türkoğlu; “Derin Öğrenme Algoritmalarının Yaprak Sınıflandırma Başarımlarının Karşılaştırılması”, Vol.1,ID. SAUCIS-1-2018, April 2018.

[14] Merve Ayyüce KIZRAK, Bülent BOLAT, “Derin Öğrenme ile Kalabalık Analizi Üzerine Detaylı Bir Araştırma, Literatür Makalesi/Review Article”, Bilişim Teknolojileri Dergisi, cilt: 11, sayı: 3, Temmuz 2018.

[15] http://derindelimavi.blogspot.com/2015/11/derin-ogrenme-2.html, [Erişim Tarihi: 4 Mart 2019]

[16] https://medium.com/deep-learning-turkiye/derin-ogrenme-uygulamalarinda-en-sik-kullanilanhiper- parametreler-ece8e9125c4, [Erişim Tarihi: 4 Mart 2019]