Ludzka twarz zawiera wiele informacji dla adaptacyjnych interakcji społecznych wśród ludzi. W rzeczywistości osoby są w stanie przetworzyć twarz w różnych sposobów klasyfikowania go tożsamości, wraz z szeregiem innych cech demograficznych, takich jak płeć, i wiek. W szczególności, uznając ludzką płeć jest ważna, ponieważ ludzie różnie reagować w zależności od płci. Ponadto udane podejście klasyfikacji płci może zwiększyć wydajność wielu innych aplikacji, w tym uznania osoby i inteligentnych interfejsów człowiek-komputer.
Opracowaliśmy algorytm rozpoznawania płci na podstawie algorytmu AdaBoost. Zwiększenie zaproponowano, aby poprawić dokładność nauki dowolnego algorytmu. W Zwiększenie jedną ogół tworzy się klasyfikator z dokładnością na szkolenia ustawić większy niż średniej wydajności, a następnie dodaje nowe klasyfikatorów składowych, tworząc zespół, którego wspólne reguły decyzja ma arbitralnie wysokiej dokładności na zbiorze treningowym. W takim przypadku, to znaczy, że wydajność klasyfikację "wzmocniony". W przeglądzie, technika kolejowe kolejne klasyfikatorów składowych z podzbioru całego danych szkolenia, które jest "najbardziej pouczające" biorąc pod uwagę obecny zestaw klasyfikatorów składowych. AdaBoost (Adaptacyjne Zwiększenie) jest typowym przykładem Wspieranie nauki. W AdaBoost, każdy wzór szkolenia przypisuje się wagę, która decyduje o jego prawdopodobieństwo, że zostanie wybrany do jakiegoś pojedynczego składnika klasyfikatora. Ogólnie rzecz biorąc, jeden inicjuje wagi całej zbioru uczącego się być jednolity. W procesie uczenia się, jeśli wzór szkolenia zostały dokładnie sklasyfikowane, to jego szanse na ponownym użyciem w kolejnej składowej klasyfikatora jest zmniejszona; I odwrotnie, jeśli próbka nie jest jednoznacznie sklasyfikowane, wówczas jej szans na ponownym użyciem jest zwiększona.
Kod został przetestowany z Stanford Medical Student Database twarzy osiągnięcia doskonałą szybkość rozpoznawania 89,61% (200 200 samic samce zdjęć i obrazów, 90% do szkolenia, a 10% używanej do badań, stąd istnieje 360 zdjęć 40 zdjęć szkoleniowe i testowe W sumie wybrano losowo i nie występuje zachodzenie na siebie pomiędzy obrazów treningowych i testowych).
Regulamin Indeks:. Matlab, źródło, kod, płci, rozpoznania, identyfikacji, AdaBoost, mężczyzna, kobieta
Wymagania :
Matlab
Komentarze nie znaleziono