Gender Recognition System

Szoftver screenshot:
Gender Recognition System
Szoftver adatai:
Változat: 2.0
Feltöltés dátuma: 15 Apr 15
Fejlesztő: Luigi Rosa
Engedély: Ingyenes
Népszerűség: 15
Méret: 43 Kb

Rating: nan/5 (Total Votes: 0)

Az emberi arc tartalmazza a különböző információkat az adaptív szociális interakciók emberek között. Tény, hogy az egyének képesek feldolgozni egy arc különböző módon kategorizálni, amelyet az identitás, valamint számos egyéb demográfiai jellemzők, mint például a nemi, etnikai, és az életkor. Különösen, felismerve az emberi nemek azért fontos, mert az emberek különbözőképpen reagálnak, nemek szerint. Ezen kívül a sikeres nemi besorolás megközelítés javítására a sok más alkalmazásokhoz, beleértve személy elismerésére és intelligens ember-számítógép interfészek.

Az általunk kifejlesztett algoritmus nemi épülve Adaboost algoritmus. Növelése már javasolta, hogy javítsák a pontosságát bármely adott tanulási algoritmus. A fellendítése egyik általában létrehoz egy osztályozót pontosan a képzési nagyobbra állítani, mint egy átlagos teljesítményét, majd hozzáteszi új alkatrész osztályozók, hogy alapít egy együttest, amelynek közös döntés szabály tetszőlegesen nagy pontossággal a tanító. Ebben az esetben azt mondjuk, hogy a besorolás teljesítménye is "növelte". Áttekintése, a technika vonat egymást követő eleme osztályozók egy részhalmaza a teljes képzési adatok, hogy "a legtöbb információt", mivel a jelenlegi komponens osztályozók. Adaboost (Adaptive fellendítése) egy tipikus példája fellendítése tanulás. A Adaboost, minden edzésminták súlyokat, amely meghatározza a valószínűsége, hogy a kiválasztott néhány egyéni komponens osztályozót. Általában egy inicializálja a súlyokat az egész tanító egyenletes legyen. A tanulási folyamat, ha a képzési struktúra már pontosan besorolni, akkor annak esélye, hogy újra használni egy későbbi alkatrész osztályozót csökken; Ezzel szemben, ha a minta nem pontosan osztályozni, akkor annak az esélye, hogy újra használható növekszik.

A kód lett tesztelve Stanford Medical Student Face Database eléréséhez kiváló felismerési arány a 89,61% (200 női képek és 200 férfi képek, 90% a képzési és 10% teszteléshez használt, így vannak olyan 360 képzési képek és 40 vizsgálati képek összesen véletlenszerűen kiválasztva, és nincs átfedés van a képzés és vizsga képek).

Index Feltételek: Matlab, forrás, kód, neme, felismerése, azonosítása, Adaboost, férfi, nő.

követelmények :

Matlab

Támogatott operációs rendszerek

Hasonló program

Euclid
Euclid

24 Sep 15

DraftSurvey Lt
DraftSurvey Lt

27 Oct 15

Enhanced Learning
Enhanced Learning

14 Jul 15

Más szoftver fejlesztő Luigi Rosa

Hozzászólások a Gender Recognition System

Hozzászólás nem található
Megjegyzés hozzáadása
Kapcsolja be a képeket!