| Toleo | 2.0 |
|---|---|
| Mchapishaji | Luigi Rosa |
| Tarehe ya kutolewa | 6 Nov 2012 |
| Tarehe iliyoongezwa | 6 Nov 2012 |
| Mahitaji ya Os | Windows 2003, Windows Vista, Windows 98, Windows Me, Windows, Windows NT, Windows 2000, Windows 8, Windows Server 2008, Windows 7, Windows XP |
| Mahitaji | Matlab |
| Jumla ya vipakuliwa | 659 |
| Bei | Free |
Maelezo
Uso wa mwanadamu una habari mbalimbali za mwingiliano wa kijamii unaobadilika kati ya watu. Kwa hakika, watu binafsi wanaweza kuchakata uso kwa njia mbalimbali ili kuuainisha kulingana na utambulisho wake, pamoja na idadi ya sifa nyingine za idadi ya watu, kama vile jinsia, kabila na umri. Hasa, kutambua jinsia ya binadamu ni muhimu kwa kuwa watu hujibu tofauti kulingana na jinsia. Kwa kuongeza, mbinu yenye mafanikio ya kuainisha jinsia inaweza kuongeza utendakazi wa programu nyingine nyingi, ikiwa ni pamoja na utambuzi wa mtu na miingiliano mahiri ya kompyuta ya binadamu.
Tumeunda kanuni ya utambuzi wa jinsia kulingana na algoriti ya AdaBoost. Kukuza kumependekezwa ili kuboresha usahihi wa kanuni zozote za kujifunza. Katika Boosting one kwa ujumla huunda kiainishaji kwa usahihi kwenye seti ya mafunzo iliyo kubwa zaidi ya utendakazi wa wastani, na kisha kuongeza viainishi vipya vya vijenzi kuunda mkusanyiko ambao sheria ya uamuzi wa pamoja ina usahihi wa juu kiholela kwenye seti ya mafunzo. Katika hali kama hiyo, tunasema kwamba utendaji wa uainishaji "umeimarishwa". Kwa muhtasari, mbinu hii hufunza waainishaji wa vijenzi wanaofuatana na seti ndogo ya data nzima ya mafunzo ambayo ni "taarifa zaidi" ikizingatiwa seti ya sasa ya viainishi vya vijenzi. AdaBoost (Kuongeza Adaptive) ni mfano wa kawaida wa Kuongeza ujifunzaji. Katika AdaBoost, kila muundo wa mafunzo hupewa uzito ambao huamua uwezekano wake wa kuchaguliwa kwa kiainishaji cha sehemu fulani. Kwa ujumla, mtu huanzisha uzani katika seti ya mafunzo kuwa sare. Katika mchakato wa kujifunza, ikiwa muundo wa mafunzo umeainishwa kwa usahihi, basi nafasi yake ya kutumika tena katika kiainishi cha kipengele kinachofuata hupunguzwa; kinyume chake, ikiwa muundo haujaainishwa kwa usahihi, basi nafasi yake ya kutumika tena imeongezeka.
Nambari hii imejaribiwa na Hifadhidata ya Uso ya Wanafunzi wa Matibabu ya Stanford na kufikia kiwango bora cha utambuzi wa 89.61% (picha 200 za kike na picha 200 za kiume, 90% kutumika kwa mafunzo na 10% kutumika kwa majaribio, kwa hivyo kuna picha za mafunzo 360 na picha 40 za majaribio. kwa jumla iliyochaguliwa bila mpangilio na hakuna mwingiliano uliopo kati ya mafunzo na picha za majaribio).
Masharti ya Fahirisi: Matlab, chanzo, msimbo, jinsia, utambuzi, kitambulisho, adaboost, mwanamume, mwanamke.
