Andere Kunden interessierten sich auch für
![Bildklassifizierung mit Deep Learning und Schwarmintelligenz]( "Bildklassifizierung mit Deep Learning und Schwarmintelligenz")
Bildklassifizierung mit Deep Learning und Schwarmintelligenz54,90 €![Bewertung der Erdbebengefährdung anhand probabilistischer Modelle]( "Bewertung der Erdbebengefährdung anhand probabilistischer Modelle")
Bewertung der Erdbebengefährdung anhand probabilistischer Modelle49,90 €![Eine Studie über die Faktoren, die die weibliche Alphabetisierung beeinflussen, anhand einer Faktorenanalyse]( "Eine Studie über die Faktoren, die die weibliche Alphabetisierung beeinflussen, anhand einer Faktorenanalyse")
Eine Studie über die Faktoren, die die weibliche Alphabetisierung beeinflussen, anhand einer Faktorenanalyse49,90 €![Textilien: Materialien und Herstellungsverfahren]( "Textilien: Materialien und Herstellungsverfahren")
Textilien: Materialien und Herstellungsverfahren39,90 €![Frauen Ich liebe euch]( "Frauen Ich liebe euch")
Frauen Ich liebe euch39,90 €![Determinanten der Kaffeeproduktion und ihrer Vermarktung in Äthiopien]( "Determinanten der Kaffeeproduktion und ihrer Vermarktung in Äthiopien")
Determinanten der Kaffeeproduktion und ihrer Vermarktung in Äthiopien39,90 €![Ausbau der öffentlichen Universität]( "Ausbau der öffentlichen Universität")
Ausbau der öffentlichen Universität71,90 €
Das Hauptziel dieser Studie besteht darin, herauszufinden, welche der am häufigsten verwendeten Algorithmen des maschinellen Lernens für die Geschlechtserkennung gut geeignet sind. Das Ziel der Studie ist es, ein System zu entwickeln, das das Geschlecht eines Menschen nur anhand der frontalen Gesichtsmerkmale erkennen kann. Dieses System wird die unbekannten Gesichtsbilder in männlich oder weiblich klassifizieren, indem es sie mit den Bildern im Trainingssatz vergleicht. Der Vergleich wird zwischen den am häufigsten verwendeten Techniken zur Geschlechtserkennung durchgeführt, nämlich dem genetischen Algorithmus (GA) und der Support Vector Machine (SVM) auf der Grundlage der Gesichtsmerkmale eines statischen Bildes. Unsere Ergebnisse zeigen, dass die von uns vorgeschlagene SVM das Geschlecht besser erkennt als der Genetische Algorithmus.