Deep learning methods are able to a

Deep learning methods are able to automatically discover better representations of the data to improve the performance of the classifiers. However, in computer vision tasks, such as the gender recognition problem, sometimes it is difficult to directly learn from the entire image. In this work we propose a new model called Local Deep Neural Network (Local-DNN), which is based on two key concepts: local features and deep architectures. The model learns from small overlapping regions in the visual field using discriminative feed-forward networks with several layers. We evaluate our approach on two well-known gender benchmarks, showing that our Local-DNN outperforms other deep learning methods also evaluated and obtains state-of-the-art results in both benchmarks.

ผลลัพธ์ (ไทย) 1:

วิธีการเรียนรู้แบบลึกจะได้แทนข้อมูลเพื่อเพิ่มประสิทธิภาพของคำนามภาษาที่ดีโดยอัตโนมัติ อย่างไรก็ตาม ในงานวิสัยทัศน์คอมพิวเตอร์ เช่นปัญหาการรับรู้เพศ บางครั้งได้ยากที่จะเรียนรู้โดยตรงจากภาพทั้งหมด ในงานนี้ เราได้เสนอแบบจำลองใหม่ที่เรียกว่าลึกประสาทเครือข่ายท้องถิ่น (ท้องถิ่น-DNN), ซึ่งยึดแนวคิดหลักที่สอง: ลักษณะการทำงานภายในและสถาปัตยกรรมที่ลึก แบบเรียนรู้จากพื้นที่ทับซ้อนกันขนาดเล็กในฟิลด์ visual ด้วย discriminative ไปฟีดเครือข่ายหลายชั้น เราประเมินในเกณฑ์มาตรฐานรู้จักเพศสอง วิธีการของเราแสดงว่า DNN ท้องถิ่นของเรา outperforms วิธีการเรียนรู้ลึกอื่น ๆ นอกจากนี้ยัง มีประเมิน และได้รับผลลัพธ์รัฐ-of-the-art ในเกณฑ์มาตรฐานทั้งสอง

ผลลัพธ์ (ไทย) 2:

วิธีการเรียนรู้ลึกสามารถที่จะค้นพบการแสดงที่ดีขึ้นโดยอัตโนมัติของข้อมูลในการปรับปรุงประสิทธิภาพการทำงานของตัวจําแนกที่ อย่างไรก็ตามในงานวิสัยทัศน์คอมพิวเตอร์เช่นปัญหาการรับรู้เพศบางครั้งก็เป็นเรื่องยากที่จะเรียนรู้จากตรงภาพทั้งหมด ในงานนี้เรานำเสนอรูปแบบใหม่ที่เรียกว่าประสาทลึกเครือข่ายท้องถิ่น (Local-DNN) ซึ่งจะขึ้นอยู่กับสองแนวคิดสำคัญ: คุณสมบัติสถาปัตยกรรมท้องถิ่นและลึก รูปแบบการเรียนรู้จากพื้นที่ทับซ้อนกันเล็ก ๆ ในเขตข้อมูลภาพโดยใช้เครือข่ายฟีดไปข้างหน้าด้วยการจำแนกหลายชั้น เราจะประเมินวิธีการของเราทั้งสองรู้จักกันดีมาตรฐานเพศแสดงให้เห็นว่า DNN ท้องถิ่นของเรามีประสิทธิภาพดีกว่าวิธีการเรียนรู้ลึกอื่น ๆ นอกจากนี้ยังได้รับการประเมินและผลการรัฐของศิลปะในมาตรฐานทั้ง

ผลลัพธ์ (ไทย) 3:

วิธีการเรียนรู้ลึกสามารถเป็นตัวแทนที่ดีของข้อมูลที่ค้นพบโดยอัตโนมัติเพื่อปรับปรุงประสิทธิภาพของ คือ อย่างไรก็ตาม ในงานคอมพิวเตอร์วิสัยทัศน์ เช่น เพศ การรับรู้ปัญหา บางครั้งมันก็ยากที่จะเรียนรู้โดยตรงจากภาพทั้งหมด ในงานนี้เรานำเสนอรูปแบบใหม่ที่เรียกว่าท้องถิ่นลึกประสาทเครือข่ายท้องถิ่น ( dnn ) ซึ่งจะขึ้นอยู่กับสองแนวคิดหลัก :ลักษณะสถาปัตยกรรมท้องถิ่นและลึก . รูปแบบการเรียนรู้จากเล็กซ้อนภูมิภาคในด้านภาพ feed-forward ค่าใช้เครือข่ายหลายชั้น เราประเมินวิธีการของเราในช่วงสองเพศที่รู้จักกันดีแสดง dnn ท้องถิ่นของเรามีประสิทธิภาพดีกว่าอื่น ๆลึกเรียนรู้วิธีการประเมินและได้รับผลลัพธ์ที่ดีที่สุดในทั้งวัด