In this work, we address the proble

In this work, we address the problem of gender recognition from face images taking into account the memory and the running time issues and by using a relatively small training dataset. In particular, we design a CNN-based ensemble model obtaining the state-of-the-art performance on gender recognition from face images in the most stringent conditions. We use a publicly available dataset of face images to train our CNN-model obtaining the highest recognition accuracy with about 10 times less training data than the state-of-the-art authors [11]. Our model is also minimized both in terms of the running time and the memory requirements making its usage possible even on devices with a http://dx.doi.org/10.1016/j.patrec.2015.11.011 0167-8655/© 2015 Elsevier B.V. All rights reserved. 60 G. Antipov et al. / Pattern Recognition Letters 70 (2016) 59–65 limited memory and without dedicated graphical processors for computations.

ผลลัพธ์ (ไทย) 1:

ในงานนี้ เราปัญหาของการรับรู้เพศจากภาพหน้าคำนึงถึงหน่วยความจำและเวลาทำงานออก และโดยใช้การฝึกอบรมค่อนข้างเล็กชุดข้อมูล โดยเฉพาะอย่างยิ่ง เราออกแบบซีเอ็นเอ็นโดยใช้วงดนตรีแบบรับประสิทธิภาพรัฐ-of-the-art การจำแนกเพศจากภาพใบหน้าในเงื่อนไขเข้มงวดที่สุด เราใช้ชุดข้อมูลเผยภาพใบหน้าการฝึกซีเอ็นเอ็นรูปแบบของเราได้รับความรู้สูงสุดกับข้อมูลการฝึกอบรมประมาณ 10 เท่าน้อยกว่าผู้เขียนรัฐ-of-the-art [11] ย่อรูปของเรายังทั้งเวลาทำงานและความต้องการหน่วยความจำที่ทำให้การใช้ได้แม้บนอุปกรณ์กับ 0167-8655 การ http://dx.doi.org/10.1016/j.patrec.2015.11.011 / © 2015 Elsevier b.v สงวนลิขสิทธิ์ทั้งหมด 60 กรัม Antipov et al. / รูปแบบการรู้จำตัวอักษร 70 (2016) หน่วยความจำจำกัด 59-65 และไม่ มีตัวประมวลผลกราฟิกเฉพาะสำหรับประมวลผล

ผลลัพธ์ (ไทย) 2:

ในงานนี้เราแก้ไขปัญหาของการรับรู้เพศจากภาพใบหน้าคำนึงถึงหน่วยความจำและปัญหาการทำงานและเวลาโดยใช้ชุดฝึกอบรมค่อนข้างเล็ก โดยเฉพาะอย่างยิ่งเราออกแบบรูปแบบวงซีเอ็นเอ็นที่ใช้การได้รับประสิทธิภาพการทำงานที่รัฐของศิลปะในการรับรู้เพศจากภาพใบหน้าในเงื่อนไขที่เข้มงวดมากที่สุด เราใช้ชุดข้อมูลที่เปิดเผยต่อสาธารณชนของภาพใบหน้าของซีเอ็นเอ็นในการฝึกอบรมรุ่นที่ได้รับความถูกต้องของเราได้รับการยอมรับสูงสุดประมาณ 10 ครั้งข้อมูลการฝึกอบรมน้อยกว่าผู้เขียนรัฐของศิลปะ [11] แบบจำลองของเราจะลดลงนอกจากนี้ยังมีทั้งในแง่ของเวลาการทำงานและต้องการหน่วยความจำทำให้การใช้งานที่เป็นไปได้แม้ในอุปกรณ์ที่มี http://dx.doi.org/10.1016/j.patrec.2015.11.011 0167-8655 / 2015 © เอลส์ BV สงวนลิขสิทธิ์ 60 กรัม Antipov et al, / การจดจำรูปแบบตัวอักษรที่ 70 (2016) 59-65 หน่วยความจำ จำกัด และไม่มีความมุ่งมั่นที่ประมวลผลกราฟิกสำหรับการคำนวณ

ผลลัพธ์ (ไทย) 3:

ในงานนี้เราแก้ไขปัญหาของเพศ การรับรู้จากภาพใบหน้าคำนึงถึงหน่วยความจำและเวลาทํางานและปัญหาโดยใช้ชุดข้อมูลฝึกค่อนข้างเล็ก โดยเฉพาะ เราออกแบบตามชุดรูปแบบการดำเนินงานของซีเอ็นเอ็นในการรับรู้จากภาพใบหน้าของเพศในเงื่อนไขที่เข้มงวดมากที่สุดเราใช้ข้อมูลที่เปิดเผยต่อสาธารณชนของหน้าภาพโมเดลรถไฟ CNN ของเราได้รับการยอมรับสูงสุด มีความถูกต้องประมาณ 10 ครั้งน้อยกว่าการฝึกอบรมข้อมูลที่มากกว่าของผู้เขียน [ 11 ] นางแบบของเราก็ลดลง ทั้งในแง่ของเวลา และความทรงจำที่ทำให้การใช้ความต้องการเป็นไปได้แม้ในอุปกรณ์ที่มี http://dx.doi.org/10.1016/j.patrec.2015.11 .011 0167-8655 / สงวนลิขสิทธิ์ 2015 สามารถนำเสนอสงวนสิทธิ์ทั้งหมด 60 กรัม antipov et al . การจดจำรูปแบบอักษร / 70 ( 2016 ) 59 – 65 จำกัดโดยไม่ต้องทุ่มเทกราฟิกโปรเซสเซอร์สำหรับหน่วยความจำและการคำนวณ .