פני אדם
מכילה מגוון רחב של מידע לאינטראקציות חברתיות הסתגלות בקרב אנשים. למעשה, אנשים יכולים לעבד פנים במגוון רחב של דרכים לסווג אותו על ידי הזהות שלה, יחד עם מספר מאפיינים דמוגרפיים אחרים, כגון מגדר, מוצא אתני, וגיל. בפרט, הכרת מין אנושי היא חשובה שכן אנשים מגיבים באופן שונה על פי מגדר. בנוסף, גישת סיווג מין מוצלחת יכולה לשפר את הביצועים של יישומים רבים אחרים, כולל הכרת אדם וממשקי אדם-מחשב חכמים.
פיתחנו אלגוריתם לזיהוי מין המבוסס על אלגוריתם AdaBoost. הגברת הוצעה כדי לשפר את הדיוק של כל אלגוריתם למידה מסוים. בגברת אחת, בדרך כלל, יוצר מסווג עם דיוק באימונים שנקבעו גבוה מממוצע ביצועים, ולאחר מכן מוסיף מסווג רכיב חדש ליצירת הרכב שהחלטה משותפת כלל יש גבוה באופן שרירותי דיוק על סט אימון. במקרה כזה, אנו אומרים כי ביצועי הסיווג כבר "שיפרו". בסקירה, מסווגי מרכיב רצופים רכבת טכניקה עם קבוצת משנה של נתוני אימון כולו כי הוא "אינפורמטיבי ביותר" נתון הסט הנוכחי של מסווגים רכיב. AdaBoost (Adaptive הגברת) היא דוגמא אופיינית לגברת למידה. בAdaBoost, כל תבנית אימונים מוקצה משקל שקובע הסתברותה להיבחר לכמה מסווג רכיב בודד. בדרך כלל, אחד מאתחל את המשקולות על פני קבוצת ההכשרה להיות אחידות. בתהליך הלמידה, אם דפוס הכשרה סווג באופן מדויק, אז הסיכוי שלו בשימוש שוב במסווג רכיב שלאחר מכן הוא ירד; לעומת זאת, אם הדפוס אינו מסווג באופן מדויק, אז הסיכוי שלו בשימוש שוב הוא גדל.
הקוד נבדק עם מסד נתונים Face סטודנט לרפואה בסטנפורד השגת שיעור הכרה מצוין של 89.61% (200 תמונות נשיות וגבריות 200 תמונות, 90% משמשים לאימונים ו -10% המשמשים לבדיקות, ומכאן יש 360 תמונות אימונים ו -40 תמונות בדיקה בסך הכל נבחר באופן אקראי ולא קיימת חפיפה בין תמונות הדרכה ובדיקה).
תנאי אינדקס:. Matlab, מקור, קוד, מין, הכרה, זיהוי, adaboost, זכר, נקבה
דרישות :
Matlab
תגובות לא נמצא