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
Hozzászólás nem található