Video görüntülerinde gerçek zamanlı yüz tanıma ve görüntü akışı içerisinde etiketlenmesi birçok alanda yüksek öneme sahip bir konudur. Son yıllarda, video görüntülerinde gerçek zamanlı yüz tanıma problemlerinde derin sinir ağları başarılı bir şekilde kullanılmaktadır. Ancak video görüntülerinde yer alan küçük ölçekli yüzlerin tespiti ve aynı zamanda model yanıt süresinin düşürülmesi karşılaşılan önemli zorluklardır. Gerçekleştirilen bu çalışmada, video görüntülerinde gerçek zamanlı yüz tanıma ve zamanın tespiti için yeni bir derin öğrenme modeli önerilmiştir. Yapılan deneysel çalışmalarda önerilen Evrişimli Sinir Ağı tabanlı modelin MTCNN, OPENCV-CNN, HOG+SVM, SSD-CAFFEMODEL modellerine göre daha yüksek performansa ve daha yüksek doğruluk oranına sahip olduğu gösterilmiştir.
Real-time face recognation and tagging in the video stream are high importance in many areas. In recent years, deep neural networks have been successfully used in real-time facial recognition problems in video images. However, detection of small-scale faces in video images and at the same time reducing response time of model are significant challenges. In this study, new deep learning model is suggested for real-time face recognition and time detection in video images. In experimental studies, the proposed CNN-based model has been shown to have higher performance and more accuracy rate than MTCNN, OPENCV-CNN, HOG+SVM, SSD-CAFFEMODEL models.
Alan : Eğitim Bilimleri; Fen Bilimleri ve Matematik
Dergi Türü : Uluslararası
Benzer Makaleler | Yazar | # |
---|
Makale | Yazar | # |
---|