Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
  Atıf Sayısı 2
 Görüntüleme 16
 İndirme 4
A COMPARISON OF DEEP LEARNING BASED ARCHITECTURE WITH A CONVENTIONAL APPROACH FOR FACE RECOGNITION PROBLEM
2019
Dergi:  
Communications Faculty of Sciences University of Ankara Series A2-A3 Physical Sciences and Engineering
Yazar:  
Özet:

This paper addresses a new approach for face recognition problem based on deep learning strategy. In order to verify the performance of the proposed approach, it is compared with a conventional face recognition method by using various comprehensive datasets.  The conventional approach employs Histogram of Gradient (HOG) algorithm to extract features and utilizes a multi-class Support Vector Machine (SVM) classifier to train and learn the classification. On the other hand, the proposed deep learning based approaches employ a Convolutional Neural Network (CNN) based architecture and also offer both a SVM and Softmax classifiers respectively for the classification phase. Results reveal that the proposed deep learning architecture using Softmax classifier outperform conventional method by a substantial margin. As well as, the deep learning architecture using Softmax classifier also outperform SVM in almost all cases.

Anahtar Kelimeler:

0
2019
Yazar:  
Atıf Yapanlar
Dikkat!
Yayınların atıflarını görmek için Sobiad'a Üye Bir Üniversite Ağından erişim sağlamalısınız. Kurumuzun Sobiad'a üye olması için Kütüphane ve Dokümantasyon Daire Başkanlığı ile iletişim kurabilirsiniz.
Kampüs Dışı Erişim
Eğer Sobiad Abonesi bir kuruma bağlıysanız kurum dışı erişim için Giriş Yap Panelini kullanabilirsiniz. Kurumsal E-Mail adresiniz ile kolayca üye olup giriş yapabilirsiniz.
Benzer Makaleler










Communications Faculty of Sciences University of Ankara Series A2-A3 Physical Sciences and Engineering

Alan :   Mühendislik

Dergi Türü :   Ulusal

Metrikler
Makale : 104
Atıf : 30
Communications Faculty of Sciences University of Ankara Series A2-A3 Physical Sciences and Engineering