Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Khám phá tính khả thi của các kỹ thuật học sâu để phân loại giới tính chính xác từ hình ảnh mắt

Created by
  • Haebom

Tác giả

Basna Mohammed Salih Hasan, Ramadhan J. Mstafa

Phác thảo

Bài báo này trình bày một mô hình phân loại giới tính sử dụng hình ảnh màu của vùng quanh mắt, không bị ảnh hưởng bởi các yếu tố như trang điểm hoặc ngụy trang. Mô hình CNN đề xuất đã được đánh giá trên hai tập dữ liệu mắt: CVBL và (Nữ và Nam). Mô hình đạt độ chính xác cao 99% trên tập dữ liệu CVBL và 96% trên tập dữ liệu (Nữ và Nam). Kết quả này đạt được nhờ sử dụng một số lượng nhỏ các tham số có thể học được (7.235.089). Hiệu suất của mô hình được đánh giá bằng nhiều chỉ số khác nhau và so sánh với các kỹ thuật tiên tiến hiện có, chứng minh tính hiệu quả của mô hình và gợi ý các ứng dụng thực tế trong các lĩnh vực như an ninh và giám sát.

Takeaways, Limitations

•
Takeaways:
◦
Thể hiện hiệu quả của việc phân loại giới tính bằng vùng quanh mắt.
◦
Chúng tôi trình bày một mô hình CNN hiệu quả đạt được độ chính xác cao (96-99%).
◦
Tăng tải tính toán và hiệu quả tài nguyên bằng cách triển khai hiệu suất cao với ít tham số hơn.
◦
Trình bày các ứng dụng thực tế trong nhiều lĩnh vực, bao gồm an ninh và giám sát.
•
Limitations:
◦
Thiếu thông tin chi tiết cụ thể về quy mô và tính đa dạng của các tập dữ liệu được sử dụng.
◦
Thiếu đánh giá hiệu suất tổng quát giữa các chủng tộc hoặc nhóm tuổi khác nhau.
◦
Cần phải xác nhận thêm về hiệu suất và độ mạnh mẽ trong môi trường ứng dụng thực tế.
◦
(Nữ và Nam) Thiếu thông tin cụ thể trong tập dữ liệu.
👍
Made with Slashpage