عنوان

Ethnicity Recognition Using YOLO Deep Learning Algorithm

شماره

T25501

زبان متن نوشتاري يا گفتاري و مانند آن

انگلیسی

عنوان اصلي

Ethnicity Recognition Using YOLO Deep Learning Algorithm

نام عام مواد

Dissertation

نام نخستين پديدآور

Halgurd Rasul Ahmed

نام ناشر، پخش کننده و غيره

Faculty of Electrical and Computer Engineering

تاریخ نشرو بخش و غیره

1400

نام خاص و کميت اثر

79p

ساير جزييات

cd

جزئيات پايان نامه و نوع درجه آن

Master's

نظم درجات

Science In Computer Engineering – Software Engineering

زمان اعطا مدرک

1400/08/04

متن يادداشت

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.

متن يادداشت

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.

عنوان گونه گون

yalo تشخیص قومیت با استفاده از الگوریتم یادگیری عمیق

اصطلاح موضوعی

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

اصطلاح موضوعی

تشخیص قومیت, الگوریتم یادگیری عمیق ,Yolo , شبکه عصبی

عنصر شناسه اي

Rasul Ahmed,

ساير عناصر نام

Halgurd

کد نقش

Producer

عنصر شناسه اي

Feizi-Derakhshi

عنصر شناسه اي

Salehpour

عنصر شناسه اي

Ali Mohammed

ساير عناصر نام

Mohammad-Raza

ساير عناصر نام

Pedram

ساير عناصر نام

Aree

کد نقش

Thesis advisor

کد نقش

Consulting advisor

کد نقش

Consulting advisor

عنصر شناسه اي

Tabriz

کشور

ایران

سازمان

Central library of tabriz

تاريخ عمليات

20220312

شماره بازیابی

ارشد پایاننامه QA76 .R28 1400

نام الکترونيکي

فرمت انتشار

e

نوع ماده

TL

کد کاربرگه

276903

سطح دسترسي

a

تكميل شده

Y