মানুষের মুখ মানুষের মধ্যে অভিযোজিত সামাজিক পারস্পরিক ক্রিয়ার জন্য বিভিন্ন তথ্য রয়েছে. আসলে, ব্যক্তি যেমন লিঙ্গ, জাতিগত, এবং বয়স হিসাবে অন্যান্য ডেমোগ্রাফিক বৈশিষ্ট্য, একটি সংখ্যা সঙ্গে বরাবর, তার পরিচয় এটা শ্রেণীবিভক্ত উপায় বিভিন্ন মধ্যে একটি মুখ প্রক্রিয়া করতে পারবেন. মানুষ লিঙ্গ অনুযায়ী ভিন্নভাবে প্রতিক্রিয়া থেকে বিশেষ করে, মানুষের লিঙ্গ স্বীকৃতি গুরুত্বপূর্ণ. উপরন্তু, একটি সফল লিঙ্গ শ্রেণীবিভাগ পদ্ধতির ব্যক্তি স্বীকৃতি এবং স্মার্ট মানুষের কম্পিউটার ইন্টারফেস সহ অন্যান্য অনেক অ্যাপ্লিকেশন, কর্মক্ষমতা অনুমোদন করতে পারেন.
আমরা AdaBoost আলগোরিদিম উপর ভিত্তি করে লিঙ্গ স্বীকৃতির জন্য একটি অ্যালগরিদম উন্নত. Boosting কোনো লার্নিং আলগোরিদিম সঠিকতা উন্নত প্রস্তাব করা হয়েছে. এক Boosting সাধারণত গড়ে কর্মক্ষমতা চেয়ে অনেক বেশী সেট প্রশিক্ষণ সঠিকতা সঙ্গে একটি ক্লাসিফায়ার সৃষ্টি করে, এবং তারপর যার যৌথ সিদ্ধান্ত নিয়ম প্রশিক্ষণ সেট ইচ্ছামত উচ্চ সঠিকতা আছে একটি পাঁচমিশেলি গঠন নতুন উপাদান ক্লাসিফায়ার যোগ করা হয়েছে. এই ক্ষেত্রে, আমরা শ্রেণীবিভাগ কর্মক্ষমতা "চালচিত্রকে" করা হয়েছে বলে. সংক্ষিপ্ত বিবরণ, উপাদান ক্লাসিফায়ার বর্তমান সেট দেওয়া "সবচেয়ে তথ্যপূর্ণ" যে সমগ্র প্রশিক্ষণ তথ্য একটি উপসেট সঙ্গে কৌশল ট্রেন ধারাবাহিক উপাদান ক্লাসিফায়ার. AdaBoost (অভিযোজিত Boosting) শেখার Boosting একটি আদর্শ উদাহরণ. AdaBoost, প্রতিটি প্রশিক্ষণ প্যাটার্ন কিছু ব্যক্তি উপাদান ক্লাসিফায়ার জন্য নির্বাচিত করা হচ্ছে তার সম্ভাবনা নির্ধারণ করে যে একটি ওজন নির্ধারিত হয়. সাধারণত, এক প্রশিক্ষণ সেট জুড়ে ওজন অভিন্ন হতে সূচনা. একটি প্রশিক্ষণ প্যাটার্ন সঠিকভাবে শ্রেণীবদ্ধ করা হয়েছে যদি শিক্ষণ পদ্ধতি, তারপর, পরবর্তী উপাদান ক্লাসিফায়ার মধ্যে আবার ব্যবহার করা হচ্ছে তার সুযোগ কমে হয়; প্যাটার্ন সঠিকভাবে শ্রেণীবদ্ধ করা হয় না যদি বিপরীতক্রমে, তারপর আবার ব্যবহার করা হচ্ছে তার সুযোগ বৃদ্ধি করা হয়.
কোড স্ট্যানফোর্ড মেডিকেল ছাত্র মুখ ডাটাবেস 89.61% এর একটি চমৎকার স্বীকৃতি হার অর্জনের সঙ্গে পরীক্ষা করা হয়েছে (200 মহিলা ইমেজ এবং 200 পুরুষ ইমেজ, 90% পরীক্ষার জন্য ব্যবহার করা প্রশিক্ষণ এবং 10% জন্য ব্যবহার করা হয়, অত: পর 360 প্রশিক্ষণ ইমেজ এবং 40 পরীক্ষা ইমেজ আছে মোট এলোমেলোভাবে নির্বাচিত এবং কোন আবৃত) প্রশিক্ষণ এবং পরীক্ষা ইমেজ মধ্যে বিদ্যমান.
সূচক শর্তাবলী:. মতলব, উৎস, কোড, লিঙ্গ, স্বীকৃতি, সনাক্তকরণ, adaboost, পুরুষ, মহিলা
আবশ্যক
মতলব
পাওয়া মন্তব্যসমূহ না