Bölge tabanlı evrişimli sinir ağı ile yoklama amaçlı yüz tanıma sistemi

İnsanların göz veya parmak izi gibi biyometrik özelliklerinin yanı sıra müdahale veya temas olmadan kullanılabilecek en belirgin ve temel özelliği yüzüdür. Bu çalışmanın amacı, derin öğrenme tekniği ve evrişimli sinir ağı (convulational neural network, CNN) algoritması kullanarak bir yüz tanıma sistemi geliştirmektir. Bunu sağlamak için araştırmacılar tarafından on iki öğrencinin 400 farklı fotoğrafını içeren özgün bir veri seti oluşturulmuştur. Öğrencilerin fotoğrafları, sınıf ortamında farklı oturma düzeninde farklı açılar oluşturacak şekilde kameraya karşı yerleri ve açıları değiştirilerek çekilmiştir. Veri seti eğitim ve test setlerine ayrılmış ve her bir öğrenci fotoğrafta ayrı ayrı etiketlenmiştir. Eğitim süreci gerçekleştirildikten sonra test seti üzerinde yüz tanıma süreci test edilmiştir. AlexNet, GoogleNet ve ResNet50 mimarileri ile oluşturulan R-CNN modellerinde, faster R-CNN ve YOLOv4 modellerinde eğitim ve test işlemleri tamamlanmıştır. Veri setindeki görüntü sayısının ağın başarısına etkisine incelemek amacıyla 300/100 ve 350/50 olmak üzere iki farklı eğitim/test oranı kullanılmıştır. Önerilen yaklaşım, öğrencilerin yüz tanıması ile kimliklerinin belirlenmesinde umut verici sonuçlar vermiştir. 300/100 eğitim/test oranı kullanıldığında başarı oranı %59 iken, 350/50 eğitim/test oranında %98'e yükselmiştir. Sonuç olarak yüzleri kolayca tanımak için uygun derin öğrenme modellerinin tatmin edici düzeyde kullanılabileceği gösterilmiştir. Ayrıca bu modeller sadece yoklama veya güvenlik amaçlı değil, öğrencilerin duygularını tespit etmek için de kullanılabilir. Böylece öğrenme ortamının iyileştirilmesi ve öğrencilerin hazır bulunuşluklarının değerlendirilmesi mümkün olabilir.