در صورت بشر شامل انواع اطلاعات برای تعاملات اجتماعی تطبیقی در میان مردم است. در واقع، افراد قادر به پردازش چهره در روش های گوناگون به آن دسته بندی های هویت خود را، همراه با تعدادی دیگر از ویژگی های جمعیت شناختی، مانند جنسیت، قومیت، و سن. به طور خاص، به رسمیت شناختن جنس انسان مهم است از مردم متفاوت با توجه به جنسیت پاسخ دهند. علاوه بر این، یک رویکرد موفق طبقه بندی جنسیتی می تواند عملکرد بسیاری از برنامه های کاربردی دیگر، از جمله به رسمیت شناختن فرد و رابط انسان و کامپیوتر هوشمند افزایش دهد.
ما یک الگوریتم برای به رسمیت شناختن جنس بر اساس الگوریتم آدابوست را توسعه داده اند. افزایش تا برای بهبود دقت و صحت هیچ الگوریتم یادگیری با توجه به مطرح شده است. در تقویت یکی به طور کلی ایجاد یک طبقه بندی با دقت در آموزش بیشتر از عملکرد متوسط تنظیم، و سپس اضافه می کند طبقه جزء جدید به شکل یک گروه که تصمیم مشترک حکومت از دقت خودسرانه بالا در مجموعه آموزش. در این صورت، ما می گویند که عملکرد طبقه بندی شده است "افزایش". در بررسی اجمالی، قطار روش طبقه جزء های پی در پی با زیر مجموعه ای از تمام داده های آموزش این است که "آموزنده ترین" با توجه به مجموعه فعلی طبقه جزء. آدابوست (تطبیقی افزایش) به عنوان مثال نمونه ای از تقویت یادگیری است. در آدابوست، هر الگوی آموزش وزن است که احتمال آن از برای برخی از طبقه بندی جزء انتخاب تعیین اختصاص داده است. به طور کلی، یک مقدار دهی اولیه وزن در سراسر مجموعه آموزش به یکنواخت. در فرایند یادگیری، اگر یک الگوی آموزش داده شده است به دقت طبقه بندی شده، و سپس شانس خود را که دوباره در یک طبقه بندی جزء بعدی استفاده کاهش می یابد. برعکس، اگر طرح به دقت طبقه بندی شده نیست، پس شانس خود را از استفاده می شود دوباره افزایش می یابد.
کد شده است با دانشجوی پزشکی استنفورد بانک اطلاعات صورت دستیابی به نرخ تشخیص عالی از 89.61٪ تست شده (200 تصاویر زن و 200 مرد تصاویر، 90٪ برای آموزش و 10٪ مورد استفاده برای تست استفاده می شود، از این رو 360 تصاویر آموزشی و 40 تصاویر آزمون وجود دارد در مجموع به طور تصادفی انتخاب شده و هیچ همپوشانی بین آموزش و آزمون تصاویر وجود دارد).
شرایط صفحه اول:. نرم افزار Matlab، منبع، کد، جنس، به رسمیت شناختن، شناسایی، آدابوست، مرد، زن
مورد نیاز:
نرم افزار Matlab
نظر یافت نشد