людське обличчя містить безліч інформації для адаптивних соціальних взаємодій серед людей. Справді, люди в змозі обробити особа в різних способів класифікації його своєї ідентичності, поряд з низкою інших демографічних характеристик, таких як стать, етнічна приналежність і вік. Зокрема, визнаючи людського роду, є важливим, оскільки люди реагують по-різному в залежності від статі. Крім того, успішно Гендерний підхід класифікація може підвищити продуктивність багатьох інших програм, включаючи визнання людини і смарт людина-комп'ютерних інтерфейсів.
Ми розробили алгоритм для розпізнавання статі на основі алгоритму AdaBoost. Підвищення було запропоновано підвищити точність будь-якого даного алгоритму навчання. В Підвищення якої в цілому створює класифікатор з точністю на навчання встановлена більш ніж середньої продуктивності, а потім додає новий компонент класифікатори для формування ансамбль, спільне вирішення правило має як завгодно високу точність на навчальній множині. У такому випадку, ми говоримо, що продуктивність класифікація була "збільшила". У загальних рисах, техніка поїзд послідовні класифікатори компонент з підмножиною всіх даних навчання, яка є "найбільш інформативним", враховуючи поточний набір комплектуючих класифікаторів. AdaBoost (Adaptive Підвищення) є типовим прикладом Підвищення знань. У AdaBoost, кожен навчальний шаблон присвоюється вага, яка визначає його ймовірність вибору протягом деякого окремого компонента класифікатора. Як правило, один инициализирует ваги всієї навчальної вибірки, щоб бути однорідним. У процесі навчання, якщо навчання картина була точно класифікувати, то його шанси бути знову використана в подальшому компонента класифікатору зменшується; З іншого боку, якщо шаблон неточно класифікувати, то його шанси бути знову використаний збільшується.
Код був протестований з Stanford Medical Student особи Database досягнення відмінну швидкість розпізнавання 89,61% (200 жіночі образи і 200 чоловіки зображень, 90% використовували для навчання і 10% використовуваного для тестування, тому є 360 тренувальних образів і 40 тестові зображення в цілому випадковим чином вибирається і не перекриваються не існує між підготовки та тестових зображень).
Покажчик Умови :. Matlab, джерело, код, стать, розпізнавання, ідентифікації, AdaBoost, чоловік, жінка
Вимоги
Matlab
Коментар не знайдено