Gender Classification in Human Face Images for Smart Phone Applications Based on Local Texture Information and Evaluated Kullback-Leibler Divergence
Notice bibliographique
Résumé
One of the main steps in human identification is gender classification which can increase the identification accuracy.In many smart phone applications, human identification plays an important role in different reasons such as login permission, sign up certificates, etc.So, accurate gender classification algorithms may increase the accuracy of smart phone applications and reduce its complexity.Also, one of the benefits of gender classification algorithms is for parents to monitor the social network contacts of their child in terms of gender.Different methods have been proposed to do it accurately so far.In all methods, classification accuracy is the main challenge for researchers.But, in smart phone applications, some challenges such as rotation, gray scale variations may reduce the accuracy.In this respect, a rotation invariant approach is proposed in this paper to classify genders in human face images based on improved version of local binary patters (ILBP).Local binary pattern (LBP) is a texture descriptor, which extract local contrast and spatial structure information.Some issues such as noise sensitivity, rotation sensitivity and low discriminative features can be considered as disadvantages of the basic LBP.ILBP solves the above disadvantages using a new theory for binary patterns categorization.The proposed approach includes two stages.First of all, a feature vector is extracted for human face images based on ILBP.Next, Kullback-Leibler divergence classifier is used to classify gender.In this paper Kullback Leibler classifier is evaluated based on log likelihood ratio as distance measure.In the result part, two databases, self-collected and ICPR are used as human face database.Results are compared by different well known methods in this literature that shows the high quality of the proposed approach in terms of accuracy rate.Other main advantages of our approach are rotation invariant, low noise sensitivity, size invariant and low computational complexity.The proposed approach decreases the computational complexity of smartphone applications because of reducing the number of database comparisons.It can also improve performance of the synchronous applications in the smartphones because of memory and CPU usage reduction.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».