İçeriğe geç
Tüm projeler
Yapay Zekâ & Makine ÖğrenimiÖzel

Biometric Authentication & ML.NET Client

Gerçek zamanlı OpenCV yüz tespiti, ML.NET derin öğrenme (ResNet50) çıkarımı ve Firebase'i entegre ederek güvenli, biyometrik çift faktörlü kimlik doğrulama sağlayan C# masaüstü istemcisi.

Teknoloji yığını

Diller
Çatılar & kütüphaneler

Performans & metrikler

  • Sürekli web kamerası akışı sırasında bellek sızıntılarını (memory leak) önlemek için unmanaged OpenCV Mat ve VideoCapture nesnelerinin yaşam döngülerinin Dispose bloklarıyla katı yönetimi
  • ML.NET tahmin motorunun (prediction engine) doğrudan uygulama binary'sine statik olarak derlenmesiyle elde edilen düşük gecikmeli masaüstü çıkarımı (low-latency inference)

Neden geliştirdim?

Staj dönemimde, yalnızca statik parolalara dayanan geleneksel sistemlerin zafiyetlerini gidermek için geliştirildi. Sisteme erişim izni vermeden önce hem kriptografik parola özetlerini hem de gerçek zamanlı uzamsal biyometrileri (yüz tanıma) doğrulayan dinamik bir pipeline kurmam gerekiyordu. Altta yatan sinir ağını eğitmek için gereken veri setlerini, daha önce geliştirdiğim C++ tabanlı OpenCV-Face-Features-Toolkit-For-ML aracımla otonom olarak çıkardım.

Mimari & kararlar

Uygulama .NET 6.0 üzerinde çalışır. Gerçek zamanlı video yakalama ve uzamsal yüz çerçeveleme, algılama aşamasındaki CPU yükünü minimize etmek için Haar Cascade'ler kullanan OpenCvSharp kütüphanesine devredilmiştir. İzole edilen yüz matrisleri, sınıflandırma (classification) işlemi için gömülü bir ML.NET hesaplama grafiğine (önceden eğitilmiş bir ResNet50 Derin Sinir Ağı) aktarılır. Kullanıcı kaydı doğrulama ve durum senkronizasyonu, Firebase Realtime Database (FireSharp) üzerinden asenkron olarak yönetilir ve veri tabanında parola güvenliği için SHA-256 kriptografik özetleme (hashing) zorunlu kılınır.

Temel özellikler

  1. 01OpenCvSharp native sarmalayıcıları (bindings) kullanılarak gerçek zamanlı video yakalama ve uzamsal yüz izolasyonu
  2. 02Yüksek doğrulukta sınıflandırma için ResNet50 DNN mimarisini kullanan gömülü ML.NET çıkarsama (inference) hattı
  3. 03Dağıtık kullanıcı kaydı yönetimi için asenkron Firebase Realtime Database entegrasyonu
  4. 04SHA-256 kimlik özetleme ile lokalize sinir ağı doğrulamasını birleştiren Biyometrik Çift Faktörlü Kimlik Doğrulama (2FA)

Benzer projeler

Tüm projeler

Yapay Zekâ & Makine Öğrenimi

WaifuChat (Local AI)

Yerel (local) LLM modellerini (DeepSeek) kullanan, internet bağlantısı gerektirmeyen ve tamamen cihaz üzerinde çalışan kişisel yapay zekâ asistanı.

  • Rust
  • Tauri
  • DeepSeek-R1
  • +1

Yapay Zekâ & Makine Öğrenimi

Jikan API Scraper: Hata Toleranslı ML Veri Seti Üreticisi

Makine öğrenmesi (ML) modellerini eğitmek amacıyla MyAnimeList veritabanını otonom olarak tarayan; exponential backoff ve düşük seviyeli disk I/O flush mekanizmalarına sahip, hata toleranslı veri hasadı (data harvesting) motoru.

  • Python
  • Pandas
  • Requests
  • +2

Yapay Zekâ & Makine Öğrenimi

Ensemble Facial Recognition & ONNX Pipeline

SVM, Random Forest ve CNN mimarilerini soft-voting (esnek oylama) ile birleştirerek yüz veri setlerini sınıflandıran ve modelleri otonom olarak ONNX grafklarına serileştiren heterojen ML hattı.

  • Python
  • TensorFlow / Keras
  • Scikit-Learn
  • +3

Benzer bir ihtiyacınız mı var?

Bu tür bir sistemi sizin için de kurabilirim.

Projenizi birkaç cümleyle anlatın; doğru yaklaşımı ve tahmini kapsamı birlikte belirleyelim.

Projenizi anlatınHizmetleri inceleyin