Žmogaus veidas yra daug informacijos prisitaikanti socialinės sąveikos tarp žmonių įvairovė. Iš tiesų, žmonės gali apdoroti veidą būdais kategorizuoti jį savo identiteto, kartu su kitų demografinių charakteristikų, pavyzdžiui, lyties, tautybės, ir amžių skaičius įvairovė. Visų pirma, pripažindamos žmogaus lytis yra svarbus, nes žmonės skirtingai reaguoja pagal lytį. Be to, sėkmingai lyčių klasifikacija požiūris gali paskatinti daugelio kitų programų, įskaitant asmens pripažinimo ir išmaniųjų žmogaus ir kompiuterio sąsajos efektyvumą.
Mes sukūrėme lyčių pripažinimas remiantis AdaBoost algoritmas algoritmą. Didinti, buvo pasiūlyta, siekiant pagerinti bet kuriuo mokymosi algoritmo tikslumą. Skatinant vieną paprastai sukuria klasifikatorių su tikslumo dėl mokymo nustatyti didesni nei vidutiniai, o tada prideda naujų komponentų klasifikatorius suformuoti ansamblis, kurio bendras sprendimas taisyklė turi savavališkai aukštą tikslumą mokymo rinkinys. Tokiu atveju, mes pasakyti, kad klasifikacija rezultatai buvo "sustiprintu". Be apžvalgą technika traukinių eilės komponentų klasifikatoriai, kurių visą mokymo duomenų poaibį, kuris yra "Labiausiai informatyvus" atsižvelgiant į dabartinę rinkinys komponentų klasifikatorių. AdaBoost (Adaptive skatinimas) yra tipiškas pavyzdys Skatinti mokymąsi. Be AdaBoost, kiekvienas mokymo modelis yra priskiriamas svorio, kuris lemia jo tikimybę atrinkti tam tikrą atskirą sudedamąją dalį klasifikatorių. Apskritai, vienas inicijuoja visoje mokymo komplekto svoris turi būti vienoda. Į mokymosi procesą, jei mokymo modelis buvo tiksliai suklasifikuoti, tada jos tikimybė ji vėl bus naudojama vėlesniu komponentų klasifikatorių yra sumažėjęs; priešingu atveju, jei modelis yra ne tiksliai klasifikuojami, tada jos tikimybė būti naudojamas vėl yra didesnis.
Kodas buvo išbandytas su Stanfordo Medicinos Studentų Veido duomenų bazė pasiekti puikią atpažinimo norma 89.61% (200 moterys ir 200 vyrai vaizdai vaizdai, 90% naudojamas mokymo ir 10% naudojamo bandymų, todėl yra 360 mokymo vaizdai ir 40 bandymo paveikslėliai iš viso atsitiktinai atrinkti ir ne persidengia mokymo ir bandymų vaizdus).
Žemėlapis Terminai:. Matlab, šaltinis, kodas, lytis, pripažinimo, identifikavimo, adaboost, vyrai, moterys
Reikalavimai :
Matlab
Komentarai nerastas