Tezislər / Theses

Eksperimentlərin detalları.
Yanaşma 2 və 3-də dəstə sayı uyğun 
olaraq 2, 3, ..., 50 və 2, 3, ..., 27 götürülərək sınanmış, nəticələr birgə təhlil 
olunmuşdur. Öyrətmə bazasında {GİÖÜ} hərflərinə aid nümunələr yoxdur: 
Bu hərflərin tanınması sadə alqoritmlərin köməyi ilə aparıla bilər. Ədədi eks-
perimentlər python dilində Tensorflow platformasında Keras kitabxanasının 
köməyi ilə realizə olunmuşdur.
İstinadlar 
[1] Mustafayev E., Azimov R. Comparative Analysis of the Application of Multilayer and 
Convolutional Neural Networks for Recognition of Handwritten Letters of the Azerbaijani 

---

THE 3
rd
 INTERNATIONAL SCIENTIFIC CONFERENCES OF STUDENTS AND YOUNG RESEARCHERS 
dedicated to the 99
th
anniversary of the National Leader of Azerbaijan Heydar Aliyev
159
Alphabet. Cybernetics and Computer Technologies. 2021. 3. P. 65–73. 
https://doi.org/10.34229/2707-451X.21.3.6 
[2] N. Kato, M. Suzuki, S. Omachi, H. Aso and Y. Nemoto, "A handwritten character 
recognition system using directional element feature and asymmetric Mahalanobis 
distance," in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 21, no. 
3, pp. 258-262, March 1999, doi: 10.1109/34.754617. 
[3] Lecun, Yann & Bottou, Leon & Bengio, Y. & Haffner, Patrick. (1998). Gradient-Based 
Learning Applied to Document Recognition. Proceedings of the IEEE. 86. 2278 - 2324. 
10.1109/5.726791.
 
IMAGE GENERATION BASED ON KINSHIP ANALYSIS 
Eyvaz Najafli 
Baku Higher Oil School
Baku, Azerbaijan 
[e-mail]
Supervisor: Ph.D Associate Professor Ali Parsayan 
Keywords: 
Generative Artificial Intelligence, Image Generation, StyleGAN, Style 
Encoding, Image Translation, Convolutional Neural Networks, Latent Feature Mapping, Deep 
Learning 
Modelled Kinship Verification systems 
which incorporate the automatic latent 
facial 
feature 
extraction 
and 
the 
comparison have gained enormous 
interest 
from 
research 
community. 
Recently, AI scientists have endeavoured 
to create systems that can solve inverse 
problem, in other words, generate possible 
kin images from the given input images. 
Many works in this area have focused on 
usage of GANs (Generative Adversarial 
Networks) in order to recreate kin faces 
from transformed latent features. In this 
paper, I will present a new approach to 
generate possible child images by 
mapping parent images into decoupled 
latent space and decoding the result via 
StyleGAN Generator which produces more linear and less entangled 
representation [1].