Computer Engineering / Bilgisayar Mühendisliği
Permanent URI for this collectionhttps://hdl.handle.net/11147/10
Browse
2 results
Search Results
Conference Object Kurt saldırıları için sentetik irislerde örnek seçilimi(IEEE, 2023) Akdeniz, Eyüp Kaan; Erdoğmuş, NesliIn this study, samples with higher potential to succeed in wolf attacks are picked among synthetically generated iris images, and the composed subset is shown to pose a more significant threat toward an iris recognition system backed by a Presentation Attack Detection (PAD) module with respect to randomly selected samples. Iris images generated by Deep Convolutional Generative Adversarial Networks (DCGAN) are firstly filtered by rejection sampling on PAD score distribution of real iris image PAD scores. Next, the probability of zero success in all attack attempts is calculated for each synthetic iris image, using real iris images in the training set, and match and non-match score distributions are calculated on those. Synthetic images with the lowest probabilities of zero success are included in the final set. Our hypothesis that this set would be more successful in wolf attacks is tested by comparing its spoofing performances with randomly selected sample sets.Research Project Gizli parmak izlerinin sentetik üretimi(2021) Erdoğmuş, Nesli154614.34 Öz: Parmak izi tanıma sistemleri sınır geçişleri, kişisel bilgilerin korunumu ve güvenliği ve adli incelemeler gibi bir çok alanda önemli bir yer tutmaktadır. Parmak izi, pasaportlardan, cep telefonlarına kadar gündelik hayata nüfus etmiş olması bir yana, kriminal vaka çözümlemelerinde de halen en çok kullanılan araçların başında gelmektedir. Bu önem, dünya nüfusundaki ve nüfus hareketliliğindeki artış ile birleşince otomatik parmak izi eşleştirme ve tanıma araştırmaları hız kazanmıştır. Ancak kişisel ve/veya adli veri olması, elde edilmesindeki güçlükler ve uzmanlık gereksinimi nedeni ile gizli parmak izlerinin araştırma amaçlı toplanmaları ve erişime açık hale getirilmeleri diğer araştırma alanlarına kıyasla güç olabilmektedir. Öte yandan çok sayıda parmak izi örneğine sahip olmak iki açıdan önem arz etmektedir: 1. Gerçek olay çözümlemelerinde ve kimlik tespitinde, parmak izi taraması büyük oranda milyonlarca kayıtlı parmak izi görüntüsü üstünde yapılmaktadır. Laboratuvar ortamında gerçekçi performans değerleri elde etmek için benzer büyüklükte veri kümeleri gerekmektedir. 2. Son yıllarda çok geniş bir uygulama alanı bulan ve bunların birçoğunda elde edilen başarım oranlarını çok daha ileri seviyelere taşıyan derin öğrenme yaklaşımlarının performansları ile eğitim veri kümesinin büyüklüğü arasında olumlu bir bağıntı mevcuttur. Yapay derin sinir ağlarının eğitimi için geniş veri kümelerine ihtiyaç vardır. Bu projede, yukarıda bahsedilen etkenlerden ikincisine odaklanılmış ve sentetik gizli parmak izi görüntülerinin parmak izi işleme ve tanıma sistemlerinin eğitimi ve testlerinde kullanılmak üzere üretilmesi hedeflenmiştir. Gerçek parmak izi eşleştirme senaryolarında tarama yapılan veri kümelerinin büyüklüğü ve derin öğrenme yaklaşımları ile elde edilen başarımların veri büyüklüğüne olan bağımlılığı sebebi ile sentetik ve gerçeğine yakın veri üretme beraberinde büyük avantajlar getirecektir. Proje kapsamında üretilen parmak izlerinin ne kadar gerçeğe yakın oldukları, derin öğrenme sistemlerinin başarım oranlarını ne kadar arttırdıkları ölçüsüne göre değerlendirilmektedir. Bu doğrultuda, parmak izi tanıma ve eşleştirme alt adımlarından sınıflandırma, özellik noktası tespiti ve papil çizgisi yönelimi kestirimi görevleri için derin yapay sinir ağları geliştirilmiş ve eğitim için kullanılan sentetik parmak izi verilerinin bu ağların performanslarına olan etkileri ölçülmüştür. Örnek sayısının az olduğu sınıflandırma görevinde dikkate değer bir artış gözlemlenirken, yama-tabanlı geliştirilen ve bu sebeple az örnek sayısı probleminin bertaraf edildiği özellik noktası tespiti ve papil çizgisi yönelimi kestirimi görevlerinde benzer bir etki gözlemlenmemiştir. Parmak izi üretimi için biri model, biri de istatistik tabanlı olmak üzere iki yaklaşım denenmiştir. Model tabanlı sistemde parmak izlerinin sınıfı, özellik noktaları, papil çizgisi yönelim ve frekansı gibi tüm faktörler kontrol/tespit edilebildiği için bu yöntemler üretilen parmak izleri için performans testleri yapılmıştır. Ancak, istatistik tabanlı sistemde çekişmeli üretici ağlar eğitilmiş, ancak imgelerin parmak izi sınıfı dışında bir meta veriye bağlı olarak üretilmeleri sağlanamamıştır.