Today, face recognition shows human-like performance in constrained settings. Although the face verification problem is almost solved, face identification problem which occurs when a possible match is searched against a face list is still lacking in unconstrained environments. This problem is called an open-set search. In this novel work, a new approach to approximate neighbor search is introduced on the open-set facial identification problem and it is compared to linear search. In terms of search time complexity and distributivity to scale, the new method that is proposed transforms any face verification algorithm to a face identification algorithm by doing a divide and conquer on face input list to prune the search space exponentialy and it slightly changes the benchmark scores when compared to the linear search version because of the nature of approximate neighbor search. As the results show this work's novel approach is favorable when the dataset changes faster dynamically and nondeterministically because it requires very minimal preprocessing when compared to other approximate neighbor search algorithms and data structures. The results of IJB-B's 1:N open set protocol are used to compare the performance between the new approach and the linear list scan.Keywords: Face recognition, open-set face identification, approximate neighbor search.

Yüz tanıma, kontrollü şartlarda insan başarımına yakın ve ondan başarılı sonuçlar vermektedir. Günümüzde yüz tanımadaki yüksek başarım kontrollü şartlarda sağlanan bire bir karşılaştırmalarda elde edilmiştir. Kontrolsüz şartlarda oluşturulmuş listelerde yüz tanıma veya özdeşleştirme yapma problemini çözme başarımı henüz bire bir karşılaştırma problemini çözme başarımına yaklaşamamıştır. Bu probleme açık küme ismi verilmektedir. Bu çalışmada açık küme listelerinde yapılan kimlik bulma problemine çözüm üretilmesi amacıyla yaklaşık yakın komşu aramasına yeni bir yaklaşım getirilmiş ve lineer liste aramasıyla arasındaki performans farkı karşılaştırılmıştır. Çalışma süresi ve karmaşıklığı bakımından daha avantajlı sonuçlar ürettiği gösterilen çözüm herhangi bir yüz doğrulama yöntemini yüz kimlik bulma yöntemi olarak kullanmaya imkan tanımakta olup, herhangi bir yüz tanıma yöntemine girdi oluşturan listeyi organize edip, böl-birleştir yöntemiyle listeyi ve fonksiyonu spesifik listelere ve adımlara bölerek arama uzayını üssel olarak küçültmektedir. Açık küme problemlerinde yüz tanımanın temsil benzerliklerinin dağılımının avantajından yararlanan bu yöntem, herhangi bir bire bir yüz tanıma yöntemini listede kimlik bulma yöntemine dönüştürmektedir. Açık küme listesinin sürekli büyüdüğü, sık güncellendiği durumlarda karşılaşılan problemleri çözmesi bakımından özgün bir yöntemdir. Çalışma kapsamında lineer liste arama yöntemiyle sunulan özgün yöntem IJB-B yüz kimliği tanıma veri kümesinde performans ve çeşitli ölçeklerde karşılaştırılmıştır.Anahtar kelimeler: Yüz, Tanıma, Açık, Küme, Yapay, Zeka.