Konferans Bildirisi
BibTex RIS Kaynak Göster

Yıl 2016, Cilt: 9 Sayı: 2, 1 - 10, 06.07.2017

Asuman Günay Vasif Nabiyev

Öz

Kaynakça

  • [1] Kwon, Y. H., Lobo, N. V. Age Classification from Facial Images, Computer Vision and Image Understanding, 74 (1):1-21, 1999
  • [2] Horng, W. B., Lee, C. P. and Chen, C. W., Classification of Age Groups Based on Facial Features, Tamkang Journal of Science and Engineering, 4(3):183-192, 2001.
  • [3] Geng, X., Wang, Q. and Xia, Y., Facial Age Estimation by Adaptive Label distribution Learning, IEEE 22nd International Conference on Pattern Recognition (ICPR 2014), 4465-4470, 2014.
  • [4] Dehshibi, M. M. and Bastanfard, A., A new algorithm for age recognition from facial images, Signal Processing, 90(8):2431-2444, 2010.
  • [5] Liu, L., Liu, J. and Cheng, J., Age-Group Classification of Facial Images, 11th International Conference on Machine Learning and Applications (ICMLA’12), 693-696, 2012.
  • [6] Weixing, L., Haijun, S., Feng, P., Qi, G. and Shaoyan, G., Facial Age Classification Based on Weighted Decision Fusion, Proceedings of the 33rd Chinese Control Conference, 4870-4874, 2014.
  • [7] Kalansuriya, T. R. and Dharmaratne, A. T., Facial Image Classification Based on Age and Gender, 2013 International Conference on Advances in ICT for Emerging Regions, 44-50, 2013.
  • [8] Sai, P. K., Wang, J. G. ve Teoh, E. K., Facial age range estimation with extreme learning machines, Neurocomputing, 149:364-372, 2015.
  • [9] Lanitis, A., Taylor, C. and Cootes, T., Toward Automatic Simulation of Aging Effects on Face Images, IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(4):442-455, 2002.
  • [10] Kohli, S., Prakash, S. and Gupta, P., Hierarchical age estimation with dissimilarity-based classification, Neurocomputing, 120:164-176, 2013.
  • [11] Chao, W. L., Liu, J. Z. and Ding, J. J., Facial age estimation based on label-sensitive learning and age oriented regression, Pattern Recognition, 43:628-641, 2013.
  • [12] Choi, S. E., Le, Y. J., Lee, S. J., Park, K. R. and Kim, J., Age estimation using a hierarchical classifier based on global and local facial features, Pattern Recognition, 44:1262-1281, 2011.
  • [13] Geng, X., Zhou, Z. H. and Miles, K. S., Automatic Age Estimation Based on Facial Aging Patterns, IEEE Transactions on Pattern Analysis and Machine Intelligence, 29(12):2234-2240, 2007.
  • [14] Fu, Y. and Huang, T. S., Human Age Estimation with Regression on Discriminative Aging Manifold, IEEE Transactions on Multimedia, 10(4):578-584, 2008.
  • [15] Guo, G., Fu, Y., Dyer, C. R. and Huang, T. S., Image-Based Human Age Estimation by Manifold Learning and Locally Adjusted Robust Regression, IEEE Transactions on Image Processing, 17(7):1178-1188, 2008.
  • [16] Chen, C., Yang, W., Wang, Y., Ricanek, K. and Luu, K., Facial Feature Fusion and Model Selection for Age Estimation, IEEE International Conference on Automatic Face & Gesture Recognition and Workshops (FG’11), 200-205, 2011.
  • [17] Guo, G., Mu, G., Fu, Y. and Huang, T. S., Human Age Estimation Using Bio-Inspired Features, Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, 112-119, 2009.
  • [18] Liu, J., Ma, Y., Duan, L., Wang, F. and Liu, Y., Hybrid constraint SVR for facial age estimation, Signal Processing, 94:576-582, 2014.
  • [19] Lanitis, A., On the Significance of Different Facial Parts for Automatic Age Estimation, 14th International Conference on Digital Signal Processing, 2:1027-1030, 2002.
  • [20] El Dib, M. Y. and Onsi, H. M., Human age estimation framework using different facial parts, Egyptian Informatics Journal, 12(1):53-59, 2011.
  • [21] Erikson, E., 1968. Identity, Youth and Crisis, New York: Norton.
  • [22] Ojala, T., Pietika¨inen, M. and Ma¨enpa¨a¨, T., Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns, IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(7):971-987, 2002.
  • [23] Ojansivu, V. and Heikkila, J., Blur Insensitive Texture Classification Using Local Phase Quantization, Image and Signal Processing, 5099:236-243, 2008.
  • [24] Chen, J., Shan, S., Zhao, G., Pietikainen, M., Chen, X., and Gao, W., WLD: A Robust Local Image Descriptor, IEEE Transactions on Pattern Analysis and Machine Intelligence, 32(9):1705-1720, 2009.
  • [25] Günay, A. and Nabiyev, V. V., Facial Age Estimation Using Spatial Weber Local Descriptor, 39th International Conference on Telecommunications and Signal Processing (TSP 2016), 2016.
  • [26] FG-NET Aging Database, http://sting. cycollege.ac.cy/~alanitis/fgnetaging/2008.
  • [27] Minear, M. and Park, D. C., A lifespan database of adult stimuli, Behavior Research Methods, Instruments and Computers, 36(4):630-633, 2004.

Yüz Bölgelerinin Yaş Tahmini Başarımlarının Yaş Gruplarına Göre Değerlendirilmesi

Yıl 2016, Cilt: 9 Sayı: 2, 1 - 10, 06.07.2017

Asuman Günay Vasif Nabiyev

Öz

Yaşlanma
insanın yüz görünümünde büyük değişimlere neden olmaktadır. Yüzdeki yaşlanma
etkileri kişiden kişiye farklılık göstermekte ve pek çok faktörden
etkilenmektedir. Bu nedenle yüzün farklı bölgelerinde bulunan yaşlanma
etkilerinin belirlenmesi otomatik yaş tahmini sistemlerinin tasarımında önem
taşımaktadır. Diğer yandan farklı yaş gruplarında yüz bölgelerindeki yaşlanma
etkileri farklılık gösterebilir. Çalışmada Erik Erikson’un gelişim teorisine
göre belirlenen yaş grupları için, yüzün çeşitli bölgelerinden (göz, burun,
yanak, ağız-çene, ağız kenarı) 3 farklı histogram tabanlı doku tanımlayıcısı
ile (Yerel İkili Örüntüler, Yerel Faz Kuantalama, Weber Yerel Tanımlayıcısı) öznitelikler
çıkarılmıştır. Öznitelik vektörlerinin boyutu küçültüldükten sonra çoklu lineer
regresyon ile yaş tahmini yapılmıştır. FGNET ve PAL veritabanlarında yapılan
deneylerde farklı yaş gruplarında değişik bölgelerin daha etkin olduğu
görülmüştür.

Anahtar Kelimeler

Yaş tahmini yaş grupları Yerel İkili Örüntüler Yerel Faz Kuantalama Weber Yerel Tanımlayıcısı

Kaynakça

  • [1] Kwon, Y. H., Lobo, N. V. Age Classification from Facial Images, Computer Vision and Image Understanding, 74 (1):1-21, 1999
  • [2] Horng, W. B., Lee, C. P. and Chen, C. W., Classification of Age Groups Based on Facial Features, Tamkang Journal of Science and Engineering, 4(3):183-192, 2001.
  • [3] Geng, X., Wang, Q. and Xia, Y., Facial Age Estimation by Adaptive Label distribution Learning, IEEE 22nd International Conference on Pattern Recognition (ICPR 2014), 4465-4470, 2014.
  • [4] Dehshibi, M. M. and Bastanfard, A., A new algorithm for age recognition from facial images, Signal Processing, 90(8):2431-2444, 2010.
  • [5] Liu, L., Liu, J. and Cheng, J., Age-Group Classification of Facial Images, 11th International Conference on Machine Learning and Applications (ICMLA’12), 693-696, 2012.
  • [6] Weixing, L., Haijun, S., Feng, P., Qi, G. and Shaoyan, G., Facial Age Classification Based on Weighted Decision Fusion, Proceedings of the 33rd Chinese Control Conference, 4870-4874, 2014.
  • [7] Kalansuriya, T. R. and Dharmaratne, A. T., Facial Image Classification Based on Age and Gender, 2013 International Conference on Advances in ICT for Emerging Regions, 44-50, 2013.
  • [8] Sai, P. K., Wang, J. G. ve Teoh, E. K., Facial age range estimation with extreme learning machines, Neurocomputing, 149:364-372, 2015.
  • [9] Lanitis, A., Taylor, C. and Cootes, T., Toward Automatic Simulation of Aging Effects on Face Images, IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(4):442-455, 2002.
  • [10] Kohli, S., Prakash, S. and Gupta, P., Hierarchical age estimation with dissimilarity-based classification, Neurocomputing, 120:164-176, 2013.
  • [11] Chao, W. L., Liu, J. Z. and Ding, J. J., Facial age estimation based on label-sensitive learning and age oriented regression, Pattern Recognition, 43:628-641, 2013.
  • [12] Choi, S. E., Le, Y. J., Lee, S. J., Park, K. R. and Kim, J., Age estimation using a hierarchical classifier based on global and local facial features, Pattern Recognition, 44:1262-1281, 2011.
  • [13] Geng, X., Zhou, Z. H. and Miles, K. S., Automatic Age Estimation Based on Facial Aging Patterns, IEEE Transactions on Pattern Analysis and Machine Intelligence, 29(12):2234-2240, 2007.
  • [14] Fu, Y. and Huang, T. S., Human Age Estimation with Regression on Discriminative Aging Manifold, IEEE Transactions on Multimedia, 10(4):578-584, 2008.
  • [15] Guo, G., Fu, Y., Dyer, C. R. and Huang, T. S., Image-Based Human Age Estimation by Manifold Learning and Locally Adjusted Robust Regression, IEEE Transactions on Image Processing, 17(7):1178-1188, 2008.
  • [16] Chen, C., Yang, W., Wang, Y., Ricanek, K. and Luu, K., Facial Feature Fusion and Model Selection for Age Estimation, IEEE International Conference on Automatic Face & Gesture Recognition and Workshops (FG’11), 200-205, 2011.
  • [17] Guo, G., Mu, G., Fu, Y. and Huang, T. S., Human Age Estimation Using Bio-Inspired Features, Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, 112-119, 2009.
  • [18] Liu, J., Ma, Y., Duan, L., Wang, F. and Liu, Y., Hybrid constraint SVR for facial age estimation, Signal Processing, 94:576-582, 2014.
  • [19] Lanitis, A., On the Significance of Different Facial Parts for Automatic Age Estimation, 14th International Conference on Digital Signal Processing, 2:1027-1030, 2002.
  • [20] El Dib, M. Y. and Onsi, H. M., Human age estimation framework using different facial parts, Egyptian Informatics Journal, 12(1):53-59, 2011.
  • [21] Erikson, E., 1968. Identity, Youth and Crisis, New York: Norton.
  • [22] Ojala, T., Pietika¨inen, M. and Ma¨enpa¨a¨, T., Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns, IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(7):971-987, 2002.
  • [23] Ojansivu, V. and Heikkila, J., Blur Insensitive Texture Classification Using Local Phase Quantization, Image and Signal Processing, 5099:236-243, 2008.
  • [24] Chen, J., Shan, S., Zhao, G., Pietikainen, M., Chen, X., and Gao, W., WLD: A Robust Local Image Descriptor, IEEE Transactions on Pattern Analysis and Machine Intelligence, 32(9):1705-1720, 2009.
  • [25] Günay, A. and Nabiyev, V. V., Facial Age Estimation Using Spatial Weber Local Descriptor, 39th International Conference on Telecommunications and Signal Processing (TSP 2016), 2016.
  • [26] FG-NET Aging Database, http://sting. cycollege.ac.cy/~alanitis/fgnetaging/2008.
  • [27] Minear, M. and Park, D. C., A lifespan database of adult stimuli, Behavior Research Methods, Instruments and Computers, 36(4):630-633, 2004.
Toplam 27 adet kaynakça vardır.

Ayrıntılar

Konular Mühendislik
Bölüm Makaleler(Araştırma)
Yazarlar

Asuman Günay

Vasif Nabiyev

Yayımlanma Tarihi 6 Temmuz 2017
Yayımlandığı Sayı Yıl 2016 Cilt: 9 Sayı: 2

Kaynak Göster

APA Günay, A., & Nabiyev, V. (2017). Yüz Bölgelerinin Yaş Tahmini Başarımlarının Yaş Gruplarına Göre Değerlendirilmesi. Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi, 9(2), 1-10.
AMA Günay A, Nabiyev V. Yüz Bölgelerinin Yaş Tahmini Başarımlarının Yaş Gruplarına Göre Değerlendirilmesi. TBV-BBMD. Temmuz 2017;9(2):1-10.
Chicago Günay, Asuman, ve Vasif Nabiyev. “Yüz Bölgelerinin Yaş Tahmini Başarımlarının Yaş Gruplarına Göre Değerlendirilmesi”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi 9, sy. 2 (Temmuz 2017): 1-10.
EndNote Günay A, Nabiyev V (01 Temmuz 2017) Yüz Bölgelerinin Yaş Tahmini Başarımlarının Yaş Gruplarına Göre Değerlendirilmesi. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 9 2 1–10.
IEEE A. Günay ve V. Nabiyev, “Yüz Bölgelerinin Yaş Tahmini Başarımlarının Yaş Gruplarına Göre Değerlendirilmesi”, TBV-BBMD, c. 9, sy. 2, ss. 1–10, 2017.
ISNAD Günay, Asuman - Nabiyev, Vasif. “Yüz Bölgelerinin Yaş Tahmini Başarımlarının Yaş Gruplarına Göre Değerlendirilmesi”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 9/2 (Temmuz 2017), 1-10.
JAMA Günay A, Nabiyev V. Yüz Bölgelerinin Yaş Tahmini Başarımlarının Yaş Gruplarına Göre Değerlendirilmesi. TBV-BBMD. 2017;9:1–10.
MLA Günay, Asuman ve Vasif Nabiyev. “Yüz Bölgelerinin Yaş Tahmini Başarımlarının Yaş Gruplarına Göre Değerlendirilmesi”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi, c. 9, sy. 2, 2017, ss. 1-10.
Vancouver Günay A, Nabiyev V. Yüz Bölgelerinin Yaş Tahmini Başarımlarının Yaş Gruplarına Göre Değerlendirilmesi. TBV-BBMD. 2017;9(2):1-10.
 Kapak Resmi İndir

https://i.creativecommons.org/l/by-nc/4.0Makale Kabulü

 

Çevrimiçi makale yüklemesi yapmak için kullanıcı kayıt/girişini kullanınız.

Dergiye gönderilen makalelerin kabul süreci şu aşamalardan oluşmaktadır:

1.       Gönderilen her makale ilk aşamada en az iki hakeme gönderilmektedir.

2.       Hakem ataması, dergi editörleri tarafından yapılmaktadır. Derginin hakem havuzunda yaklaşık 200 hakem bulunmaktadır ve bu hakemler ilgi alanlarına göre sınıflandırılmıştır. Her hakeme ilgilendiği konuda makale gönderilmektedir. Hakem seçimi menfaat çatışmasına neden olmayacak biçimde yapılmaktadır.

3.       Hakemlere gönderilen makalelerde yazar adları kapatılmaktadır.

4.       Hakemlere bir makalenin nasıl değerlendirileceği açıklanmaktadır ve aşağıda görülen değerlendirme formunu doldurmaları istenmektedir.

5.       İki hakemin olumlu görüş bildirdiği makaleler editörler tarafından benzerlik incelemesinden geçirilir. Makalelerdeki benzerliğin %25’ten küçük olması beklenir.

6.       Tüm aşamaları geçmiş olan bir bildiri dil ve sunuş açısından editör tarafından incelenir ve gerekli düzeltme ve iyileştirmeler yapılır. Gerekirse yazarlara durum bildirilir.

 88x31.png   Bu eser Creative Commons Atıf-GayriTicari 4.0 Uluslararası Lisansı ile lisanslanmıştır.