The human’s gender plays a fundamen

The human’s gender plays a fundamental role in social interactions.
Automatic gender classification has many important applications
like intelligent user interface, visual surveillance, collecting demographic
statistics for marketing, etc. Therefore, automatic gender
recognition from face images has been extensively studied in computer
vision. However, the difficulty of this problem largely depends
on the application context and on the experimental protocol: a recognition
model can be trained and tested on faces from the same dataset
or from different datasets (i.e. cross-dataset experiment), images of
input faces can be taken under controlled or uncontrolled conditions
and finally faces can be aligned before gender prediction or not. The
state-of-the-art performance in the most stringent conditions (i.e.
cross-dataset, in uncontrolled environment and with no image preprocessing)
reaches 96.86% of accuracy and was very recently obtained
by Jia and Cristianini [11] using a huge private training dataset
of 4,000,000 images.
Deep Convolutional Neural Networks (CNNs) [13] have recently
become the golden standard for object recognition [12,25]. Today,
CNNs are the primary choice for the large variety of computer vision
tasks [8,27,30]. However, there are 2 problems which make the
practical usage of CNNs difficult in some cases. The first problem is related to the big size of the training data which is often required to
train them. Collecting large datasets of faces can be costly and can
raise a number of privacy protection issues. That is why, successful
face-related applications of CNNs are often trained on huge private
datasets containing several millions of images (like in [27]) making
the obtained results non-reproducible for the scientific community.
The second problem lies in the domain of the computational and
memory requirements of CNNs [7,9]. This problem often hinders importing
CNNs onto embedded platforms like smartphones and tablets
or their usage in cloud computations. For example, 16-layers CNN described
in [25] has a weights file bigger than 500MB and requires
about 3.1 · 1010 floating point operations per image. Specifically, 90%
of its weights is taken up by the fully-connected layers and more than
90% of its running time is taken by the convolutional layers [9]. It
means that if we want to minimize both the running time and the required
memory we have to minimize both fully-connected and convolutional
layers.
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 limited memory and without dedicated graphical processors for
computations

ผลลัพธ์ (ไทย) 2:

เพศของมนุษย์มีบทบาทพื้นฐานในการปฏิสัมพันธ์ทางสังคม.
การจำแนกเพศอัตโนมัติมีการใช้งานที่สำคัญมากเช่นส่วนติดต่อผู้ใช้ฉลาด, การเฝ้าระวังภาพการจัดเก็บภาษีกลุ่มผู้เข้าชมสถิติสำหรับการตลาดฯลฯ ดังนั้นเพศอัตโนมัติได้รับการยอมรับจากภาพใบหน้าได้รับการศึกษาอย่างกว้างขวางในคอมพิวเตอร์วิสัยทัศน์ แต่ความยากลำบากของปัญหานี้ส่วนใหญ่ขึ้นอยู่กับบริบทการประยุกต์ใช้และในโครงร่างการวิจัย: การรับรู้รูปแบบสามารถผ่านการฝึกอบรมและผ่านการทดสอบบนใบหน้าจากชุดเดียวกันหรือจากชุดข้อมูลที่แตกต่างกัน(เช่นการทดลองข้ามชุด) ภาพของใบหน้าการป้อนข้อมูลสามารถจะต้องดำเนินการภายใต้สภาวะควบคุมหรือไม่สามารถควบคุมได้และในที่สุดใบหน้าสามารถจัดตำแหน่งก่อนที่จะทำนายเพศหรือไม่ ประสิทธิภาพรัฐของศิลปะในเงื่อนไขที่เข้มงวดมากที่สุด (เช่นข้ามชุดข้อมูลในสภาพแวดล้อมที่ไม่สามารถควบคุมและมีการประมวลผลเบื้องต้นไม่มีภาพ) ถึง 96.86% ของความถูกต้องและได้รับเมื่อเร็ว ๆ นี้โดยเจี่ยและCRISTIANINI [11] ใช้ส่วนตัวขนาดใหญ่ ชุดฝึกอบรม4,000,000 ภาพ. ลึกโครงข่ายประสาท Convolutional (CNNs) [13] เมื่อเร็ว ๆ นี้ได้กลายเป็นมาตรฐานทองสำหรับการรับรู้วัตถุ[12,25] วันนี้CNNs เป็นทางเลือกหลักสำหรับความหลากหลายของคอมพิวเตอร์วิสัยทัศน์งาน[8,27,30] แต่มี 2 ปัญหาที่ทำให้การใช้งานในทางปฏิบัติของCNNs ยากในบางกรณี ปัญหาแรกที่เกี่ยวข้องกับขนาดใหญ่ของข้อมูลการฝึกอบรมซึ่งมักจะต้องฝึกอบรมพวกเขา การเก็บรวบรวมชุดข้อมูลขนาดใหญ่ของใบหน้าได้ค่าใช้จ่ายและสามารถเพิ่มจำนวนของปัญหาป้องกันความเป็นส่วนตัว นั่นคือเหตุผลที่ประสบความสำเร็จในการใช้งานที่เกี่ยวข้องกับการเผชิญกับ CNNs มีการฝึกอบรมมักจะเกี่ยวกับภาคเอกชนขนาดใหญ่ชุดข้อมูลที่มีหลายล้านของภาพ(เหมือนใน [27]) ทำให้ผลที่ได้รับที่ไม่สามารถทำซ้ำได้สำหรับชุมชนวิทยาศาสตร์. ปัญหาที่สองอยู่ในโดเมนของ คำนวณและต้องการหน่วยความจำของCNNs [7,9] ปัญหานี้มักจะนำเข้า hinders CNNs ลงบนแพลตฟอร์มฝังตัวเช่นมาร์ทโฟนและแท็บเล็หรือการใช้งานของพวกเขาในการคำนวณเมฆ ยกตัวอย่างเช่น 16 ชั้นของซีเอ็นเอ็นที่อธิบายไว้ใน[25] มีน้ำหนักไฟล์ขนาดใหญ่กว่า 500MB และต้องเกี่ยวกับ3.1 ·การดำเนินงาน 1,010 จุดต่อภาพลอย โดยเฉพาะ 90% ของน้ำหนักของมันจะถูกนำขึ้นมาจากชั้นอย่างเต็มที่ที่เชื่อมต่อและอื่น ๆ กว่า90% ของเวลาการทำงานของมันจะถูกดำเนินการโดยชั้น convolutional [9] มันหมายความว่าถ้าเราต้องการที่จะลดทั้งเวลาทำงานและจำเป็นต้องใช้หน่วยความจำที่เราจะต้องลดทั้งสองอย่างเต็มที่การเชื่อมต่อและความสับสนชั้น. ในงานนี้เราแก้ไขปัญหาของการรับรู้เพศจากภาพใบหน้าคำนึงถึงหน่วยความจำและการทำงานปัญหาเวลาและโดยใช้ชุดฝึกอบรมที่ค่อนข้างเล็ก. โดยเฉพาะอย่างยิ่งเราออกแบบรูปแบบวงซีเอ็นเอ็นที่ใช้การได้รับประสิทธิภาพการทำงานที่รัฐของศิลปะในการรับรู้เพศจากใบหน้าภาพในเงื่อนไขที่เข้มงวดมากที่สุด เราใช้ที่เปิดเผยต่อสาธารณชนชุดของภาพใบหน้าของซีเอ็นเอ็นในการฝึกอบรมแบบของเราได้รับความถูกต้องได้รับการยอมรับสูงสุดประมาณ10 ครั้งการฝึกอบรมน้อยข้อมูลกว่าผู้เขียนรัฐของศิลปะ[11] รูปแบบของเรายังมีการลดลงทั้งในแง่ของเวลาการทำงานและหน่วยความจำความต้องการการใช้งานที่เป็นไปได้แม้ในอุปกรณ์ที่มีหน่วยความจำที่จำกัด และไม่มีการประมวลผลกราฟิกเฉพาะสำหรับการคำนวณ

ผลลัพธ์ (ไทย) 3:

ของมนุษย์เพศเล่นบทบาทพื้นฐานในการโต้ตอบทางสังคม .
การจำแนกเพศอัตโนมัติมีหลายที่สำคัญโปรแกรม
เหมือนฉลาดผู้ใช้ Visual เฝ้าระวังเก็บสถิติ
สำหรับ การตลาด ฯลฯ ดังนั้นการรับรู้เพศ
อัตโนมัติจากภาพใบหน้าได้รับอย่างกว้างขวางใช้ในวิสัยทัศน์คอมพิวเตอร์

อย่างไรก็ตามความยากของปัญหานี้ส่วนใหญ่ขึ้นอยู่
ในบริบทการในขั้นตอนการทดลอง : การรับรู้
รูปแบบสามารถฝึกและทดสอบบนใบหน้าจากชุดข้อมูลเดียวกัน หรือจากข้อมูล
ที่แตกต่างกัน ( เช่นข้ามข้อมูลการทดลอง ภาพของ
หน้าใส่สามารถถูกควบคุมหรือเงื่อนไขที่ควบคุมไม่ได้ และสุดท้าย
หน้าสามารถ ชิดก่อนเพศพยากรณ์ หรือ ไม่
- ประสิทธิภาพในเงื่อนไขที่เข้มงวดมากที่สุด ( เช่น
ข้ามข้อมูลในสภาพแวดล้อมที่ไม่มีการควบคุมและไม่มีภาพ preprocessing )
ถึง 96.86 % ของความถูกต้องและก็เพิ่งรับ
โดยเจีย cristianini [ 11 ] และการฝึกส่วนบุคคลข้อมูลขนาดใหญ่ของภาพ 4000000
.
ลึกขดโครงข่ายประสาทเทียม ( cnns ) [ 13 ]
เมื่อเร็วๆ นี้กลายเป็นมาตรฐานทองสำหรับการ 12,25 [ วัตถุ ] วันนี้
cnns เป็นทางเลือกหลักสำหรับความหลากหลายของงาน [
วิสัยทัศน์คอมพิวเตอร์ 8,27,30 ] อย่างไรก็ตาม มี 2 ปัญหาที่ทำให้การใช้ประโยชน์ของ cnns
ยากในบางกรณี ปัญหาแรกที่เกี่ยวข้องกับขนาดใหญ่ของการฝึกอบรมข้อมูลซึ่งมักจะต้อง

ฝึกพวกเขาเก็บข้อมูลใบหน้าขนาดใหญ่สามารถเป็นบทเรียนราคาแพง และสามารถ
เพิ่มหมายเลขของปัญหาการคุ้มครองความเป็นส่วนตัว นั่นคือเหตุผลที่ ประสบความสำเร็จ
หน้าโปรแกรมประยุกต์ที่เกี่ยวข้องของ cnns มักจะฝึกขนาดใหญ่ส่วนบุคคล
ข้อมูลที่มีหลายล้านของภาพ ( เหมือนใน [ 27 ] )
ผลไม่ ) สำหรับชุมชนวิทยาศาสตร์ .
ปัญหาที่สองที่อยู่ในโดเมนของคอมพิวเตอร์และ
ความต้องการหน่วยความจำของ cnns [ 7,9 ] ปัญหานี้มักจะเป็นอุปสรรคต่อการนำเข้า
cnns ลงฝังตัวแพลตฟอร์มเช่นมาร์ทโฟนและแท็บเล็ต
หรือการใช้งานในการคำนวณเมฆ ตัวอย่างเช่น 16 ชั้นซีเอ็นเอ็นอธิบาย
[ 25 ] มีน้ำหนักไฟล์ใหญ่กว่าสมาร์ทโฟนและต้อง
ประมาณ 3.1 1010 จุดลอยด้วยการต่อภาพ โดยเฉพาะ 90 %
ของน้ำหนักตัว โดยเชื่อมต่อเต็มชั้นและมากกว่า 90% ของเวลาวิ่ง
ถ่ายโดยคอนชั้น [ 9 ] มัน
หมายความว่าถ้าเราต้องการลดทั้งเวลา และต้อง
หน่วยความจำเราต้องลดทั้งเชื่อมต่ออย่างเต็มที่และชั้นคอน
.
ในงานนี้ พวกเราที่อยู่ปัญหาของการรับรู้เพศ
จากภาพใบหน้าคำนึงถึงหน่วยความจำและวิ่ง
เวลาและปัญหาโดยใช้ชุดข้อมูลฝึกค่อนข้างเล็ก .
โดยเฉพาะ เราออกแบบชุดรูปแบบการแสดงซีเอ็นเอ็น
-
จำเพศจากหน้าภาพในเงื่อนไขที่เข้มงวดมากที่สุดตาม เราใช้ข้อมูลที่เปิดเผยต่อสาธารณชน
หน้าภาพแบบขอรับ
รถไฟของเรา ซีเอ็นเอ็นการรับรองความถูกต้องด้วยสูงสุดประมาณ 10 ครั้งน้อยกว่าการฝึกอบรม
ข้อมูลที่มากกว่าของผู้เขียน [ 11 ] นางแบบของเราก็มี
ลดลงทั้งในแง่ของเวลา และความต้องการการใช้หน่วยความจำ
เป็นไปได้แม้ในอุปกรณ์ที่มีหน่วยความจำจำกัดและไม่ทุ่มเทกราฟิกโปรเซสเซอร์สำหรับ
การคำนวณ