基于级联支持向量机的人脸图像性别识别OACSCDCSTPCD
Face Image Gender Identification Based on Cascade Connection Support Vector Machine
提出一种由若干个支持向量机(SVM)分类器串连而成的级联SVM算法,用于人脸图像性别识别.该算法把容易被前一层分类器分类的训练样本过滤掉,将难度较高的训练样本直新组织起来训练新一层的分类器.结合级联分类器和SVM理论的优势,在训练过程中能够使用更多的样本,具有更好的识别性能.在同一硬件实验条件下的实验结果表明,单层SVM最多只能训练7万样本,而四层级联SVM的训练样本数可达12万以上,相应的识别率也从96.6％上升至98.4％.
Support Vector Machine(SVM) is a popular statistical learning methods, but large-scale training of SVM is limited by hardware. This paper proposes a face image gender classification algorithm based on a cascade connection SVM, which filters the easily classified samples by pre-layer classifiers, and re-organizes the left tough samples to train the next SVM layer. Meanwhile, more samples are used, and the classifier has better recognition performance. Experim…查看全部>>
李昆仑;廖频
南昌大学科学技术学院,南昌330029南昌大学科学技术学院,南昌330029
信息技术与安全科学
统计学习支持向量机分类器大样本训练级联性别识别
statistical learning Support Vector Machine(SVM) classifier large-scale training cascade connection gender identification
《计算机工程》 2012 (12)
152-154,3
江西省自然科学基金资助项目(2007GZS2246)江西省科技支撑基金资助项目(赣科发技字[2007]200号)江西省教育厅科技基金资助项目(赣教技字[2007]30号)
评论