عنوان

Ethnicity Recognition Using YOLO Deep Learning Algorithm

Number

T25501

.Language of Text, Soundtrack etc

انگلیسی

Title Proper

Ethnicity Recognition Using YOLO Deep Learning Algorithm

General Material Designation

Dissertation

First Statement of Responsibility

Halgurd Rasul Ahmed

Name of Publisher, Distributor, etc.

Faculty of Electrical and Computer Engineering

Date of Publication, Distribution, etc.

1400

Specific Material Designation and Extent of Item

79p

Other Physical Details

cd

Dissertation or thesis details and type of degree

Master's

Discipline of degree

Science In Computer Engineering – Software Engineering

Date of degree

1400/08/04

Text of Note

Human ethnicity are valuable demographic characteristics and human facial images provide the demographic information, such as ethnicity and gender. They are also important soft biometric traits useful for human identification or verification. The examination of race, country, and ethnical gatherings dependent on facial pictures is a famous theme as of late in face recognition local area. With quick development of individual’s globalization, face recognition has extraordinary application potential in line control, customs check, and public security. This work is additionally useful to the exploration in humanities as it might demonstrate the facial elements advancement. Therefore, this work attempts to solve the problem of ethnicity recognition of humans based on their facial features. The proposed method is to distinguish the ethnicity of individuals from their faces’ images using YOLO v4 Deep Learning Algorithm. The main novelty of this study is to applying YOLO technique object detection for ethnicity recognition. Finally, for implementing YOLO v4, we complete a far reaching execution investigation of proposed method using MATLAB R2015a and play out an assessment to exhibit that the profound organization structures prepared with YOLO sum up on various test sets better compared to similar models. The proposed model trained and tested on the VNFaces datasets. The results show that YOLO able to perform ethnicity recognition with the highest accuracy.

Text of Note

قومیت انسانی، ویژگی های جمعیت¬شناختی ارزشمندی هستند و تصویر چهره انسان می تواند اطلاعات جمعیتی مانند قومیت و جنسیت را ارائه دهد. آنها همچنین ویژگی های مهم بیومتریک نرم برای شناسایی یا تأیید انسان هستند. بررسی ویژگی¬های صورت بر پایه¬ی نژاد، کشور و قومیت موضوعی بااهمیت در تشخیص ویژگیهای محلی چهرە می¬باشد. با توسعه سریع جهانی شدن افراد ، تشخیص چهره دارای پتانسیل فوق العاده ای در کنترل خطوط ، بررسی گمرک و امنیت عمومی است. این مطالعه برای کاوش در علوم انسانی نیز مفید است زیرا ممکن است پیشرفت عناصر صورت را نشان دهد. بر این اساس، تلاش می شود مشکل تشخیص قومیت انسان ها را بر اساس ویژگی های صورت آنها حل کند. روش پیشنهادی تشخیص قومیت افراد از تصاویر چهره آنها با استفاده از الگوریتم یادگیری عمیق YOLO v4 می باشد. استفاده از روش تشخیص شیء YOLO برای تشخیص قومیت، نوآوری اصلی این مطالعه را نشان می دهد. ما YOLO v4 را بر اساس یک تحقیقات اجرایی گسترده با پارامترهای تنظیم دقیق برای روش پیشنهادی با استفاده از زبان برنامه نویسی MATLAB پیاده سازی کردیم و مدل پیشنهادی برای نشان دادن عملکرد ساختار عمیق شناسایی که با YOLO تهیه شده است، ارزیابی شدە است و همچنین در مقایسه با مجموعه های مختلف آزمایشی عملکرد بهتری دارد. مدل پیشنهادی بر روی مجموعه داده های VNFaces آموزش و آزمایش شده است. نتایج حاکی از توانایی YOLO برای تشخیص قومیت با بالاترین دقت می¬باشد.

Variant Title

yalo تشخیص قومیت با استفاده از الگوریتم یادگیری عمیق

Subject Term

Ethnicity Recognition, YOLO v4, Deep Learning Algorithm, Neural Network

Subject Term

تشخیص قومیت, الگوریتم یادگیری عمیق ,Yolo , شبکه عصبی

Entry Element

Rasul Ahmed,

Part of Name Other than Entry Element

Halgurd

Relator Code

Producer

Entry Element

Feizi-Derakhshi

Entry Element

Salehpour

Entry Element

Ali Mohammed

Part of Name Other than Entry Element

Mohammad-Raza

Part of Name Other than Entry Element

Pedram

Part of Name Other than Entry Element

Aree

Relator Code

Thesis advisor

Relator Code

Consulting advisor

Relator Code

Consulting advisor

Entry Element

Tabriz

Country

ایران

Agency

Central library of tabriz

Date of Transaction

20220312

Call Number

ارشد پایاننامه QA76 .R28 1400

Electronic name

e

TL

276903

a

Y