ใบหน้าของมนุษย์มีความหลากหลายของข้อมูลสำหรับปฏิสัมพันธ์ทางสังคมการปรับตัวในหมู่คน ในความเป็นจริงบุคคลที่มีความสามารถในการประมวลผลหน้าในความหลากหลายของวิธีการที่จะจัดหมวดหมู่ได้โดยตัวตนพร้อมกับจำนวนของลักษณะทางประชากรอื่น ๆ เช่นเพศเชื้อชาติและอายุ โดยเฉพาะอย่างยิ่งการรับรู้เพศของมนุษย์เป็นสิ่งสำคัญเนื่องจากคนตอบสนองแตกต่างกันตามเพศ นอกจากนี้ยังมีวิธีการจำแนกเพศที่ประสบความสำเร็จสามารถเพิ่มประสิทธิภาพของการใช้งานอื่น ๆ อีกมากมายรวมทั้งการตรวจจับบุคคลและสมาร์ทเชื่อมต่อคอมพิวเตอร์ของมนุษย์
เราได้พัฒนาอัลกอริทึมสำหรับการรับรู้เพศขึ้นอยู่กับขั้นตอนวิธี AdaBoost การส่งเสริมได้รับการเสนอเพื่อปรับปรุงความถูกต้องของขั้นตอนวิธีการเรียนรู้ใดก็ตาม ในการส่งเสริมการอย่างใดอย่างหนึ่งโดยทั่วไปสร้างลักษณนามที่มีความแม่นยำในการฝึกอบรมที่กำหนดสูงกว่าผลการดำเนินงานโดยเฉลี่ยแล้วเพิ่มแยกแยะองค์ประกอบใหม่ในรูปแบบวงดนตรีที่มีกฎตัดสินใจร่วมกันมีความแม่นยำสูงโดยพลในชุดการฝึกอบรม ในกรณีเช่นนี้เราบอกว่าผลการดำเนินงานการจัดหมวดหมู่ได้รับการ "เพิ่มขึ้น" ในภาพรวมเทคนิครถไฟแยกแยะองค์ประกอบที่ต่อเนื่องกับส่วนหนึ่งของข้อมูลการฝึกอบรมทั้งที่เป็น "ข้อมูลมากที่สุด" ให้ชุดปัจจุบันของแยกแยะส่วนประกอบ AdaBoost (Adaptive ส่งเสริม) เป็นตัวอย่างทั่วไปของการส่งเสริมการเรียนรู้ ใน AdaBoost แต่ละรูปแบบการฝึกอบรมที่ได้รับมอบหมายน้ำหนักที่กำหนดความน่าจะเป็นของการถูกเลือกสำหรับบางลักษณนามองค์ประกอบของแต่ละบุคคล โดยทั่วไปหนึ่งเริ่มต้นน้ำหนักทั่วชุดการฝึกอบรมจะเป็นเครื่องแบบ ในกระบวนการเรียนรู้, ถ้ารูปแบบการฝึกอบรมที่ได้รับการจัดอย่างถูกต้องแล้วโอกาสของการถูกนำมาใช้อีกครั้งในลักษณนามเป็นองค์ประกอบที่ตามมาจะลดลง; ตรงกันข้ามถ้ารูปแบบที่ไม่ได้จัดอย่างถูกต้องแล้วโอกาสของการถูกนำมาใช้อีกครั้งจะเพิ่มขึ้น
รหัสที่ได้รับการทดสอบกับฐานข้อมูลใบหน้า Stanford นักศึกษาแพทย์บรรลุอัตราการรู้จำที่ดีของ 89.61% (200 ภาพหญิงและเพศชาย 200 ภาพ 90% ที่ใช้สำหรับการฝึกอบรมและ 10% ใช้สำหรับการทดสอบจึงมี 360 ภาพการฝึกอบรมและการทดสอบ 40 ภาพ รวมสุ่มเลือกและไม่ทับซ้อนกันอยู่ระหว่างการฝึกอบรมและการทดสอบภาพ)
ดัชนีคำ. Matlab แหล่งที่มา, รหัส, เพศ, การรับรู้, บัตรประจำตัว AdaBoost, ชาย, หญิง
ต้องการ
Matlab
ความคิดเห็นที่ไม่พบ