Gender Estimation with Image by Using Deep Learning Algorithms

Büyük verilerin büyük hızlarla işlendiği çağımızda milyarlarca veriden farklı parametreler çıkararak çeşitli problemlerin çözümüne kolaylık getirmek için derin öğrenme algoritmaları kullanılmaktadır. Bu çalışmada, mevcut veri setlerinde bulunan kadın, erkek, yaşlı, genç, çocuk, bebek fotoğraflarının derin öğrenme algoritmaları ile cinsiyetlerini tespit etmek amaçlanmıştır. Bu tahminleme algoritmasını gerçekleştirmek için çeşitli derin öğrenme kütüphanelerinden faydalanılmış ve derin öğrenme modellerinden Alex Net ve VGG-16 ile yeni geliştirilen bir modelin diğer modellerle kıyaslanması yapılmıştır. Uygulamada kullanılan veri seti, kadın ve erkek fotoğraflarından oluşturulmuştur. Her fotoğraf ise kişi cinsiyetine ve yaşına göre etiketlendirilmiştir. Bu veri seti, 3170 eğitim verisi ile 318 test verisi içermektedir. Çalıştırılan üç farklı model sonuçları karşılaştırılmıştır. Makalede, derin öğrenme algoritmalarını kullanarak cinsiyet tahmini
yapılması ayrıntılı bir şekilde incelenmiş ve yapılacak olan literatür çalışmalarına yol gösterilmesi, katkı sağlanması hedeflenmiştir. 

In our age, where big data is processed at great speeds, deep learning algorithms are used to facilitate the solution of various problems by extracting different parameters from billions of data. In this study, it is aimed to determine the genders of female, male, old, young, child and baby photographs in the existing data sets with deep learning algorithms. To realize this prediction algorithm, various deep learning libraries were used and a new model with deep learning models Alex Net and VGG-16 was compared. The data set used in the application is composed of male and female images. Each image is labeled according to the gender and age of the person. This data set includes 3170 training data and 318 test data. The results of three
different models were compared. The article explains in detail how to make a gender prediction using deep learning algorithms and aims to contribute to the literature studies.