Farklı transfer öğrenme yöntemlerinin karşılaştırılması ile göz çevresi görüntülerinden kişi tanıma

Makine öğrenmesi yöntemleri, belirli bir problemin çözümünde bir veri setinin eğitilerek o veri setinden aranılan bir özelliğin veya parametrenin öğrenilmesi, tahmin edilmesi gibi amaçlar için kullanılır. İnsanın geçmiş bilgi ve deneyimlerinden öğrenmeyi sürdürme yeteneğinin bilgisayar sistemlerine aktarılması hedeflenen transfer öğrenme yaklaşımında da esas alınan belirli bir problemin çözümünde elde edilen öğrenmenin yeni bir problem çözümünde kullanılabilmek üzere aktarılmasıdır. Transfer öğrenmede elde edilen öğrenmenin aktarılabilmesi, geleneksel makine öğrenmesi yöntemlerine göre birtakım avantajlar sağlamaktadır ve bu avantajları transfer öğrenmenin tercih edilmesinde etkili olmaktadır. Bu çalışmada 96 farklı kişiye toplam 1980 göz çevresi görüntüsü toplanmıştır. Toplanan bu veriler kişi, yaş ve cinsiyet açısından sınıflandırılmaya çalışılmıştır. Bunun için Python programı içerisinde yer alan 32 farklı transfer öğrenme algoritması ile öznitelik çıkarımı yapılmış ve kişi tahmini için RandomForest algoritması ile sınıflandırılmıştır. En yüksek başarı gösteren ResNet50 algoritması ile 30 farklı sınıflandırma algoritması kullanılmış ve veriler yaş ve cinsiyet açısından da sınıflandırma yapılmıştır. Böylece sırasıyla kişi, yaş ve cinsiyet sınıflandırılmasında en yüksek başarı oranları olarak %83,52, %96,41 ve 77,56 elde edilmiştir.