Gender Recognition System

Apraksts

Cilvēka seja satur dažādu informāciju adaptīvai sociālajai mijiedarbībai starp cilvēkiem. Faktiski indivīdi var apstrādāt seju dažādos veidos, lai to klasificētu pēc identitātes, kā arī vairākām citām demogrāfiskām īpašībām, piemēram, dzimuma, etniskās piederības un vecuma. Īpaši svarīgi ir atpazīt cilvēka dzimumu, jo cilvēki reaģē atšķirīgi atkarībā no dzimuma. Turklāt veiksmīga dzimumu klasifikācijas pieeja var uzlabot daudzu citu lietojumprogrammu, tostarp personu atpazīšanas un viedās cilvēka un datora saskarnes, veiktspēju.

Mēs esam izstrādājuši algoritmu dzimuma atpazīšanai, pamatojoties uz AdaBoost algoritmu. Ir ierosināta pastiprināšana, lai uzlabotu jebkura mācību algoritma precizitāti. Pastiprināšanā parasti tiek izveidots klasifikators, kura precizitāte treniņu komplektā ir lielāka par vidējo sniegumu, un pēc tam pievieno jaunus komponentu klasifikatorus, lai izveidotu ansambli, kura kopīgā lēmuma noteikumam ir patvaļīgi augsta precizitāte treniņu komplektā. Šādā gadījumā mēs sakām, ka klasifikācijas veiktspēja ir "paaugstināta". Kopumā tehnika apmāca secīgus komponentu klasifikatorus ar visu apmācības datu apakškopu, kas ir "visinformatīvākā", ņemot vērā pašreizējo komponentu klasifikatoru kopu. AdaBoost (adaptīvā pastiprināšana) ir tipisks apmācības veicināšanas piemērs. Programmā AdaBoost katram treniņu modelim tiek piešķirts svars, kas nosaka tā varbūtību tikt atlasītam kādam atsevišķam komponentu klasifikatoram. Parasti svarus visā treniņu komplektā inicializē, lai tie būtu vienādi. Mācību procesā, ja apmācības modelis ir precīzi klasificēts, tiek samazināta iespēja to atkārtoti izmantot nākamajā komponentu klasifikatorā; otrādi, ja modelis nav precīzi klasificēts, palielinās iespēja to izmantot atkārtoti.

Kods ir pārbaudīts ar Stanford Medical Student Face Database, sasniedzot izcilu atpazīšanas līmeni 89,61% (200 sieviešu attēli un 200 vīriešu attēli, 90% izmantoti apmācībai un 10% izmantoti testēšanai, tāpēc ir 360 apmācības attēli un 40 testa attēli kopā nejauši atlasīti, un apmācības un testa attēli nepārklājas).

Indeksa noteikumi: Matlab, avots, kods, dzimums, atpazīšana, identifikācija, adaboost, vīrietis, sieviete.