| Версія | 2.0 |
|---|---|
| Выдавец | Luigi Rosa |
| Дата выпуску | 6 ліс 2012 г. |
| Дата дададзена | 6 ліс 2012 г. |
| Патрабаванні да ОС | Windows 2003, Windows Vista, Windows 98, Windows Me, Windows, Windows NT, Windows 2000, Windows 8, Windows Server 2008, Windows 7, Windows XP |
| Патрабаванні | Matlab |
| Усяго загрузак | 659 |
| Кошт | Free |
Апісанне
Твар чалавека змяшчае разнастайную інфармацыю для адаптыўных сацыяльных узаемадзеянняў паміж людзьмі. Фактычна, людзі могуць апрацоўваць твар рознымі спосабамі, каб класіфікаваць яго па ідэнтычнасці, а таксама шэрагу іншых дэмаграфічных характарыстык, такіх як пол, этнічная прыналежнасць і ўзрост. У прыватнасці, распазнаванне полу чалавека важна, паколькі людзі па-рознаму рэагуюць у залежнасці ад полу. Акрамя таго, паспяховы падыход да гендэрнай класіфікацыі можа павысіць прадукцыйнасць многіх іншых прыкладанняў, уключаючы распазнаванне асоб і разумныя інтэрфейсы чалавек-кампутар.
Мы распрацавалі алгарытм распазнавання полу на аснове алгарытму AdaBoost. Павышэнне было прапанавана для павышэння дакладнасці любога алгарытму навучання. У Boosting звычайна ствараецца класіфікатар з дакладнасцю на вучэбным наборы, большай за сярэднюю прадукцыйнасць, а затым дадаюцца новыя класіфікатары кампанентаў, каб сфармаваць ансамбль, правіла сумеснага прыняцця рашэнняў якога мае як заўгодна высокую дакладнасць на навучальным наборы. У такім выпадку мы гаворым, што прадукцыйнасць класіфікацыі была "палепшана". У агульным выглядзе метад навучання паслядоўных класіфікатараў кампанентаў з падмноствам усіх навучальных даных, якія з'яўляюцца "найбольш інфарматыўнымі", улічваючы бягучы набор класіфікатараў кампанентаў. AdaBoost (Adaptive Boosting) - гэта тыповы прыклад Boosting навучання. У AdaBoost кожнаму шаблону навучання прысвойваецца вага, які вызначае яго верагоднасць быць абраным для нейкага індывідуальнага класіфікатара кампанентаў. Як правіла, ініцыялізуюцца аднастайныя вагі ва ўсім навучальным наборы. У працэсе навучання, калі шаблон навучання быў дакладна класіфікаваны, то яго шанцы быць выкарыстаны зноў у наступным класіфікатары кампанентаў зніжаюцца; наадварот, калі ўзор недакладна класіфікаваны, то яго шанцы на паўторнае выкарыстанне павялічваюцца.
Код быў пратэставаны ў Стэнфардскай медыцынскай студэнцкай базе дадзеных аб тварах, дасягнуўшы выдатнага каэфіцыента распазнання 89,61% (200 жаночых і 200 мужчынскіх малюнкаў, 90% выкарыстоўваюцца для навучання і 10% для тэставання, такім чынам, існуе 360 навучальных малюнкаў і 40 тэставых малюнкаў у агульнай складанасці выбраны выпадковым чынам, і паміж навучальнымі і тэставымі выявамі не існуе супадзенняў).
Тэрміны індэкса: Matlab, крыніца, код, пол, распазнаванне, ідэнтыфікацыя, adaboost, мужчынскі, жаночы.
