Gender Recognition System

인간의 얼굴은 사람들 사이에 적응 사회적 상호 작용에 대한 다양한 정보를 포함하고 있습니다. 실제로, 개인은 성별, 인종, 연령 등 기타 통계 특성의 번호와 함께, 자신의 ID를 분류하여 다양한 방법으로 얼굴을 처리 할 수​​있다. 사람들이 성별에 따라 다르게 반응하기 때문에 특히, 인간의 성을 인식하는 것이 중요합니다. 또한, 성공적인 성별 분류 접근법은 사람 인식 및 스마트 인간 - 컴퓨터 인터페이스를 포함하여 많은 다른 애플리케이션의 성능을 높일 수있다.

우리는 AdaBoost 알고리즘을 기반으로 성별 인식하는 알고리즘을 개발했다. 부스팅은 주어진 학습 알고리즘의 정확성을 개선하는 것이 제안되었다. 하나를 밀어주는에서 일반적으로 평균 성능보다 크게 설정 훈련에 정확도로 분류를 만든 다음 그 공동 의사 결정 규칙 트레이닝 세트에 임의의 높은 정확도를 가지고있는 앙상블을 형성하는 새로운 구성 요소의 분류를 추가합니다. 이러한 경우에, 우리는 분류 성능 "부스팅"되었다고 말한다. 개요에서, 분류 컴포넌트의 현재 세트 주어진 "가장 유익한"이며, 전체 학습 데이터의 서브 세트로 기술 트레인 연속 요소 분류기. AdaBoost는 (적응이 증폭) 학습을 증폭의 전형적인 예이다. AdaBoost, 각 훈련 패턴은 일부 개별 구성 요소 분류 선택되는 그 확률을 결정하는 가중치가 할당된다. 일반적으로, 하나는 트레이닝 세트에서 무게가 균일하게 초기화합니다. 훈련 패턴이 정확하게 분류 된 경우, 학습 처리에서, 다음 후속 요소 분류기에서 다시 사용되고 그것의 확률이 감소된다; 패턴이 정확하게 분류되지 않으면, 반대로, 다시 사용되는 그것의 기회가 증가된다.

코드가 스탠포드 의료 학생 얼굴 데이터베이스가 89.61 %의 우수한 인식률을 달성 테스트되었습니다 (200 여성의 이미지와 200 남성 이미지를, 90 %가 테스트에 사용 훈련 10 % 사용, 따라서 360 트레이닝 이미지와 40 테스트 이미지가 총 무작위로 선택하고 겹침)는 교육 및 테스트 이미지 사이에 존재하지 않습니다.

인덱스 조건 :. matlab에, 소스 코드, 성별, 인식, 식별, adaboost, 남성, 여성

이 요구 사항 :

이 matlab에