İnsan yüzü insanlar arasında adaptif sosyal etkileşimler için çeşitli bilgiler içeriyor. Aslında, bireylerin cinsiyet, etnik köken ve yaş gibi diğer demografik özellikler, bir dizi ile birlikte, kendi kimliği ile kategorize etmek çeşitli şekillerde bir yüz işlemek edebiliyoruz. İnsanlar cinsiyet göre farklı tepki beri özellikle insan cinsiyet tanıma önemlidir. Buna ek olarak, başarılı bir cinsiyet sınıflandırma yaklaşımı kişi tanıma ve akıllı insan-bilgisayar arayüzleri de dahil olmak üzere diğer birçok uygulama performansını artırabilir.
Biz AdaBoost algoritmasına dayalı cinsiyet tanınması için bir algoritma geliştirdik. Arttırılması herhangi bir öğrenme algoritması doğruluğunu geliştirmek için ileri sürülmüştür. Bir Arttırılması genellikle ortalama bir performans daha fazla set eğitime hassasiyetle bir sınıflandırıcı oluşturur, ve sonra kimin ortak karar kuralı eğitim setinde keyfi yüksek doğruluk olan bir topluluk oluşturmak için yeni bileşen sınıflandırıcı ekler. Böyle bir durumda, biz sınıflandırma performansı "artırdığını" olduğunu söylüyorlar. Genel olarak, bileşen sınıflandırıcılar mevcut seti verilen "en bilgilendirici" olan tüm eğitim verileri bir alt kümesi olan tekniği tren ardışık bileşen sınıflandırıcılar. AdaBoost (Adaptif Arttırılması) öğrenme Arttırılması tipik örneğidir. AdaBoost, her eğitim model bazı bireysel bileşen sınıflandırıcı için seçilen onun olasılığını belirler bir ağırlık verilir. Genellikle, bir eğitim seti üzerinde ağırlıkları üniforma olmak başlatır. Bir eğitim desen doğru sınıflandırılmış olup olmadığını öğrenme sürecinde, daha sonra bir sonraki bileşen sınıflandırıcı tekrar kullanılan onun şansı azalır; model doğru sınıflandırılmış değilse tersine, daha sonra tekrar kullanılmadan onun şansı artar.
Kod Stanford Tıp Öğrenci Yüz Veritabanı 89,61% mükemmel bir tanıma oranı elde edilmesi ile test edilmiştir (200 kadın görüntüleri ve 200 erkek görüntüleri,% 90 test için kullanılan eğitim ve% 10 için kullanılan, dolayısıyla 360 eğitim görüntüleri ve 40 Test görüntüleri vardır toplam rastgele seçilmiş ve hiçbir örtüşme) eğitim ve test görüntüleri arasında var.
Dizini Şartlar:. Matlab, kaynak, kod, cinsiyet, tanıma, tanımlama, adaboost, erkek, kadın
Gereksinimler :
Matlab
Yorum Bulunamadı