1) Projenizle ilgili yapılmış çalışmaları (kaynak taramasını) özetleyiniz.

1. Yan, W., Li, X., & Jin, B. (2018), Bu makale, derin öğrenme yöntemlerinin yüz ifadesi tanıma
alanında nasıl kullanıldığını incelemektedir.

2. Zhang, Z., Luo, P., Loy, C. C., & Tang, X. (2016), Bu çalışma, derin öğrenme tabanlı çoklu
görev öğrenme yöntemlerini kullanarak yüzdeki belirli noktaların (landmark) tespitini ele
almaktadır.

3. Sun, Y., Wang, X., & Tang, X. (2013), Bu çalışma, derin öğrenme yöntemlerini kullanarak yüz
temsilini öğrenmeyi ele almaktadır.

4. Schroff, F., Kalenichenko, D., & Philbin, J. (2015), Bu çalışma, yüz tanıma ve kümeleme için
derin öğrenme tabanlı bir birleşik gömme (embedding) yöntemi olan FaceNet'i sunmaktadır.

5. Zhang, K., Zhang, Z., Li, Z., & Qiao, Y. (2016), Bu makale, yüz algılama ve hizalama
işlemlerini aynı anda gerçekleştiren derin öğrenme tabanlı çoklu görevli bir kademeli evrişimli
ağ yöntemini sunmaktadır.

2) Projenizin teorik temellerini açıklayınız.

Projenin teorik temelleri, yapay zeka ve bilgisayar bilimlerinde önemli bir yere sahip olan derin
öğrenme tekniklerine dayanmaktadır. Projenin teknik temelleri, çok katmanlı yapay sinir
ağlarından oluşan derin evrişimli sinir ağları (Convolutional Neural Networks - CNN) ile
atılmıştır. Bu ağlar, insan beyin yapısını taklit eden, öğrenme işlevi gören algoritmaların
karmaşık yapılarını modellemekte ve yüz algılama ile duygu analizinde önemli bileşenler
içermektedir. face-api.js modülü, önceden eğitilmiş ağların ağırlıklarını ve mimarilerini
kullanarak, gerçek zamanlı yüz algılama ve yüz ifadelerini tanıma işlevini yerine getirir. Derin
öğrenme, çok katmanlı yapay sinir ağları kullanarak büyük veri setlerinden karmaşık desen ve
ilişkileri öğrenme kapasitesine sahiptir. Bu proje, yüz tanıma ve duygu analizi uygulamalarını
geliştirmek amacıyla face-api.js gibi derin öğrenme tabanlı modülleri kullanmaktadır. face-api.js,
TensorFlow kütüphanesi üstüne inşa edilmiş olup, görüntü içerisinde yüz algılama ve ifade
analizi yeteneklerini içermekte, bu da duygusal durum tahmini yapma imkanı tanımaktadır.
3) Projenizin tasarım aşamalarını açıklayınız.

Bu projede, derin öğrenme tekniklerini kullanarak yüz algılama ve duygu analizi yeteneklerini
içeren bir uygulama geliştirilmiştir. Bu süreçte face-api.js ve TensorFlow tabanlı bir JavaScript
(JS) modülü oluşturulmuştur. Uygulama, kullanıcı dostu bir arayüz tasarımıyla yüz algılama ve
duygu analizi sonuçlarını anlaşılır bir şekilde göstermektedir. Proje, teorik temellerini derin
öğrenme prensipleri, uygulama alanları, face-api.js ve TensorFlow kullanımı üzerine inşa
ederken, uygun bir veri seti seçimi ve entegrasyon adımları da önemli bir rol oynamıştır. Yüz
algılama ve duygu analizi modülleri, face-api.js kullanılarak tasarlanmış ve derin öğrenme
modelleriyle yüz ifadelerini tanımlama ve duygusal durumu tahmin etme yeteneklerini
içermektedir. Kullanıcı arayüzü, HyperText Markup Language (HTML) ve Cascading Style
Sheets (CSS) ile oluşturulmuştur, video elemanı ve sonuçları gösteren iletişim kutularıyla birlikte
gerçek zamanlı görüntü alımını kamera kullanarak sağlanmıştır.

4) Projenizin mevcut çalışmalarla genel bir karşılaştırmasını yapınız.

Yüz algılama ve duygu analizi çalışmaları hala aktif bir araştırma alanıdır ve sürekli olarak
gelişmeye devam etmektedir. Yüz algılama ve duygu analizi için kullanılan derin öğrenme
modelleri, daha geniş ve çeşitli veri setleriyle eğitilerek daha hassas sonuçlar üretebilmektedir.
Ayrıca, donanım ve yazılım gelişmeleri, bu tür uygulamaların daha hızlı ve daha etkili bir şekilde
çalışmasını sağlamıştır. Yüz algılama ve duygu analizi uygulamaları, güvenlik, pazarlama,
kullanıcı deneyimi ve sağlık gibi birçok alanda kullanılmaktadır. Bu tür uygulamalar,
kullanıcılara kişiselleştirilmiş deneyimler sunma, pazarlama kampanyalarını optimize etme,
güvenlik sistemlerini güçlendirme ve duygusal sağlık takibi gibi farklı amaçlar için
kullanılabilmektedir.