Please use this identifier to cite or link to this item: https://hdl.handle.net/11147/10995
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorErdoğmuş, Nesli-
dc.contributor.authorİrtem, Pelin-
dc.date.accessioned2021-07-04T09:36:07Z-
dc.date.available2021-07-04T09:36:07Z-
dc.date.issued2020-07en_US
dc.identifier.citationİrtem, P. (2020). Deep learning in fingerprint analysis. Unpublished master's thesis, İzmir Institute of Technology, İzmir, Turkeyen_US
dc.identifier.urihttps://hdl.handle.net/11147/10995-
dc.descriptionThesis (Master)--Izmir Institute of Technology, Computer Engineering, Izmir, 2020en_US
dc.descriptionIncludes bibliographical references (leaves: 50-53)en_US
dc.descriptionText in English; Abstract: Turkish and Englishen_US
dc.description.abstractFingerprints are one of the most widely used personal identification traits. They play a crucial role in forensics because they are considered to be unique to each person. For many years, the identification of individuals had been carried out by human operators. However, with technological developments, automated fingerprint recognition systems have arisen, and the growth in the population has increased the importance of their robustness. On the other hand, deep learning has led to many impressive developments in the area of computer vision. Fingerprint analysis is indeed in the scope of image processing and computer vision; however, the usage of deep learning in fingerprint analysis is rather limited. This study focuses on using deep learning techniques on two different stages of the automated fingerprint recognition pipeline: Fingerprint classification and fingerprint minutiae extraction. Deep learning systems are developed for those two selected stages and analysed with respect to several aspects such as dataset size and different network architectures.en_US
dc.description.abstractParmak izleri, en yaygın kullanılan kişisel kimlik saptama özelliklerinden biridir. Kişiye özgü oldukları için, adli vakalarda önemli bir rol oynarlar. Uzun yıllar boyunca, kimlik tespit işlemleri insan operatörler tarafından gerçekleştirilmiştir. Ancak, teknolojik gelişmelerle birlikte, otomatik parmak izi tanıma sistemleri ortaya çıkmış ve nüfustaki artış, bu sistemlerin sağlamlıklarının önemini artırmıştır. Diğer yandan, derin öğrenme, bilgisayarla görü alanında birçok etkileyici gelişmeye yol açmıştır. Parmak izi analizi aslında görüntü işleme ve bilgisayarla görü kapsamındadır; ancak, parmak izi analizinde derin öğrenmenin kullanımı oldukça sınırlıdır. Bu çalışma, otomatik parmak izi tanıma sürecinin iki farklı aşamasında derin öğrenme tekniklerinin kullanılmasına odaklanmaktadır: Parmak izlerinin sınıflandırması ve parmak izi özellik noktalarının çıkarılması. Seçilen iki aşama için derin öğrenme sistemleri geliştirilmiş ve bu sistemler veri kümesi boyutu, farklı ağ mimarileri gibi çeşitli yönlere göre analiz edilmiştir.en_US
dc.description.sponsorshipTUBITAK (EEEAG/217E092)en_US
dc.format.extentviii, 53 leavesen_US
dc.language.isoenen_US
dc.publisherIzmir Institute of Technologyen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectDeep learningen_US
dc.subjectNeural networksen_US
dc.subjectFingerprint recognitionen_US
dc.titleDeep learning in fingerprint analysisen_US
dc.title.alternativeParmak izi analizinde derin öğrenmeen_US
dc.typeMaster Thesisen_US
dc.authorid0000-0001-5725-9185en_US
dc.departmentThesis (Master)--İzmir Institute of Technology, Computer Engineeringen_US
dc.relation.tubitakinfo:eu-repo/grantAgreement/TUBITAK/EEEAG/217E092-
dc.relation.publicationcategoryTezen_US
item.grantfulltextopen-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.fulltextWith Fulltext-
item.languageiso639-1en-
item.openairetypeMaster Thesis-
item.cerifentitytypePublications-
Appears in Collections:Master Degree / Yüksek Lisans Tezleri
Files in This Item:
File SizeFormat 
10350340.pdf6.13 MBAdobe PDFView/Open
Show simple item record



CORE Recommender

Page view(s)

222
checked on Feb 19, 2024

Download(s)

960
checked on Feb 19, 2024

Google ScholarTM

Check





Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.