Research Information System
6. ULUSLARARASI MÜHENDİSLİK VE FEN BİLİMLERİ KONGRESİ, İstanbul, Turkey, 8 - 09 March 2025, vol.1, no.1, pp.94-103, (Full Text)
Yapay Zeka (YZ) teknikleri, görüntü işleme uygulamaları ile bütünleştiğinde, günümüzde birçok alanda kullanılmaktadır. YZ algoritmaları ile bütünleşen görüntü işleme sistemleri, çeşitli nesneleri, yüzleri ve belirli desenleri yüksek doğruluk oranlarıyla tespit edebilmekte ve analiz edebilmektedir. Bu sistemler, derin öğrenme tabanlı evrişimsel sinir ağları (CNN), transfer öğrenme yöntemleri ve çeşitli optimizasyon teknikleri ile sürekli geliştirilmektedir. Görüntü işleme sürecinde, veri setlerindeki örüntüleri belirlemek, kenar tespiti yapmak, nesne segmentasyonu uygulamak ve sınıflandırma modelleri geliştirmek için çeşitli algoritmalar entegre edilmektedir. Bu çalışmada, YZ ve veri bilimi teknikleri kullanılarak görüntü veri setleri üzerinde analiz işlemleri gerçekleştirilmiş ve dengesiz veri problemlerine yönelik çözüm önerileri araştırılmıştır. Görüntü işleme sürecinde, veri setlerindeki örüntüleri belirlemek, kenar tespiti yapmak, nesne segmentasyonu uygulamak ve sınıflandırma modelleri geliştirmek için çeşitli algoritmalar entegre edilmektedir. OpenCV'ye odaklandığımız çalışmamızda, yüz tanıma ve görüntü işleme alanında yaygın olarak kullanılan açık kaynaklı bir kütüphanedir. Yüz algılama ve tanıma süreçlerinde OpenCV’nin sunduğu Haar-Cascade, LBP (Local Binary Pattern) ve DNN (Deep Neural Networks) tabanlı yöntemler araştırılmıştır. Haar-Cascade yöntemi, belirli özellikleri kullanarak yüz bölgelerini tespit eden hızlı ancak nispeten eski bir tekniktir. Daha güncel ve daha yüksek doğruluk oranına sahip olan DNN tabanlı yüz tanıma modelleri, OpenCV’nin dahili modülleri ile kullanılabilmektedir. Özellikle yüz tanımada ileri tanımlama işlemleri için yüz tanıma sistemlerinde kullanılan ArcFace ve benzeri derin öğrenme modelleri, yüksek doğruluk sağlayarak biyometrik güvenlik, kimlik doğrulama ve bireysel analizlerde kritik bir rol oynamaktadır. Araştırmamızda, görüntü veri setleri üzerindeki analizlerde derin öğrenme algoritmaları ve yüz tanıma sistemlerinde yaygın olarak kullanılan ArcFace modeli gibi tekniklerden yararlanılmıştır. Dengesiz veri setleri, makine öğrenimi ve YZ modellerinin başarısını doğrudan etkileyen kritik bir faktördür. Sonuç olarak, YZ destekli görüntü işleme sistemleri, sağlık, güvenlik, ulaşım ve spor gibi birçok alanda uygulanarak insan hayatını kolaylaştıran çözümler sunmaktadır. Bu çalışmada, dengesiz veri setleriyle yapılan yüz tanıma sistemlerinin daha doğru çalışması ve ilgili modellerin daha verimli hale getirilmesi amaçlanmıştır. Elde edilen veriler karşılaştırmalı olarak sunulmuştur.