فایل ورد کامل تشخیص جنسیت و قومیت از پروفایل های نیم رخ سایه صورت

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل تشخیص جنسیت و قومیت از پروفایل های نیم رخ سایه صورت،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۹ صفحه

چکیده 
این مقاله اولین به شناسایی جنسیت و نژاد از پروفیل های چهره سایه دار با استفاده از روش چشم کامپیوتری می پردازد. نتایج بعد از تست ۴۴۱ تصویر نشان داد که پروفیل های سایه دار دارای حداکثر میزان اطلاعاتی هستند که برای شناسایی نژاد استفاده می شوند. تطبیق مبتنی بر زمینه شکل برای طبقه بندی استفاده شد. نمونه های ازمایشی به صورت چند نژادی هستند. صحت متوسط برای جنسیت ۷۱۲۰ و برای نژاد ۷۱۶۶ درصد هستند. با این حال، صحت برای برخی کلاس ها معنی داربود یعنی ۸۳۴۱ درصد برای زنان و ۸۰۳۷ درصد برای شرق و جنوب شرق اسیا.

۱- مقدمه
شناسایی جنسیت و نژاد یک چالش مهم در پردزاش تصویر است. این ها کاربرد های زیادی با توسعه تعامل کامپیوتر-انسان و فناوری نظارت بصری دارند. شناسایی جنسیت می تواند در تشخیص چهره مفید باشد زیرا موجب کاهش مسئله تطبیق چهره با نیمی از دیتابیس می شود به شرط این که احتمال وقوع یکسان باشد. شناسایی نژاد بایستی این مسئله را کاهش دهد. در HCL، کامپیوتر می تواند جنسبت را با پردازش صدا و یا ارایه گزینه هایی مفید تشخیص دهد. این ها به اگاهی از توزیع جغرافیایی مشتریان کمک می کند.
در بخش های زیر ما به توصیف دینابیس، شرایط ازمایشی و نتایج و بحث می پردازیم. لطفابه یاد داشته باشید که عبارت نژاد و جنسیت اشاره به افرادی دارند که دراای ویژگی های چهره ای مشابه و مشترک هستند و از این روی متفاوت از گروه های دیگر است.
۲- پس زمینه
انسان ها در تصمیم گیری در مورد جنسیت یک چهره دقت زیادی ندارند به خصوص زمانی که ارایش، سبک مو و یا موی چهره به حداقل رسانده شود. نتایج نشان می دهد که هر دو رنگ و شکل در تصمیم گیری در مورد جنسیت و نژاد از چهره مهم است. براس و همکاران نشان داد که چهره میانگین مرد از چهره زن در نمای سه بعدی متفاوت است. شکل در تصمیمات نژادمهم است.
دیاکنو (۴) حضور علایم در انسان حتی در پروفیل نیم رخ را برای تشخیص جنسیت ضروری می کند. در مطالعه اخیر، دیوانکو و همکاران نشان دادع است که سایه صورت اطلاعاتی را برای تشخیص نژاد ارایه می کند.
بیشتر کار های فعلی در جامعه چشم کامپیوتر از تصاویر چهره برای تشخیص نژاد و جنسیت استفاده می کند. برخی از منابع در خصوص تشخیص جنسیت را می توان در منابع ۶ تا۱۷یافت در حالی که اطلاعات نژاد را می توان در ۸-۱۱-۱۷-۱۸-۱۹ یافت با این حال هیج مقاله ای بهبررسی پروفیل چهره سایه دار نپرداخته است. این مقاله اولین به شناسایی جنسیت و نژاد از پروفیل های چهره سایه دار با استفاده از روش چشم کامپیوتری می پردازد. نتایج بعد از تست ۴۴۱ تصویر نشان داد که پروفیل های سایه دار دارای حداکثر میزان اطلاعاتی هستند که برای شناسایی نژاد استفاده می شوند. تطبیق مبتنی بر زمینه شکل برای طبقه بندی استفاده شد. نمونه های ازمایشی به صورت چند نژادی هستند. صحت متوسط برای جنسیت ۷۱۲۰ و برای نژاد ۷۱۶۶ درصد هستند

عنوان انگلیسی:Gender And Ethnicity Identification From Silhouetted Face Profiles~~en~~

ABSTRACT

This paper demonstrates, to our best knowledge, the first attempt on gender and ethnicity identification from silhouetted face profiles using a computer vision technique. The results achieved, after testing on 441 images, show that silhouetted face profiles have a lot of information, in particular, for ethnicity identification. Shape context based matching [1] was employed for classification. The test samples were multi-ethnic. Average accuracy for gender was 71.20% and for ethnicity 71.66%. However, the accuracy was significantly higher for some classes, such as 83.41% for females (in case of gender identification) and 80.37% for East and South East Asians (in case of ethnicity identification).

۱ INTRODUCTION

Gender and Ethnicity identification present yet another challenge in face processing. These have an increasing number of applications as Human-Computer Interaction (HCI) and visual surveillance technologies evolve. Gender identification can be useful in face recognition, as this shall reduce the problem of matching the face with half of the database (provided both the genders have equal probability of occurrence in the database). Ethnicity identification shall reduce this problem even further (provided the database is multi-ethnic). In HCI, for instance, the computer can adapt to a person’s sex in terms of processing (e.g.) the person’s voice or offering the person the options which may be more specific and useful to a particular gender, etc. These may also aid shopkeepers; for example, to know the demographic distribution of the customers over a period of time. In the following sections, we’ll present the novelty of this paper, description of the database, experimental setup and finally the results and discussion. Please note that the terms race and ethnicity, in this paper, refer to a group of people who share similar facial features, which perceptually distinguish them from other groups (ethnicities).

۲ BACKGROUND

Humans are very accurate in deciding the gender of a face even when cues from makeup, hairstyle and facial hair are minimized [2]. The results from [3] show that both the color and shape are vital in deciding the sex and race from a face by humans. Bruce et al. in [2] showed that the ‘average’ male face differs from an ‘average’ female face in the 3-D representation of the face (obtained by laser scanning), by having a more protuberant nose/brow and more prominent chin/jaw. Shape was also found important in race (ethnicity) decisions as shown in [3]. Davidenko in [4] reveals the presence of cues for humans, even in silhouetted face profiles, for gender identification. In a more recent study, Davidenko et al. [5] claimed that face silhouettes also have information for ethnicity identification. Most of the existing work in the computer vision community uses frontal face images for gender or ethnicity identification. Some examples of the existing literature on gender identification may be found in [6], [7], [8], [9], [10], [11], [12], [13], [14], [15], [16] and [17]; while for ethnicity identification may be found in [8], [11], [17], [18] and [19]. But none of the papers ever experimented with silhouetted face profiles. The aim of this paper is to exploit the information available in the silhouetted profile faces reported in [4] and [5]. This paper, to our best knowledge, demonstrates the first attempt for gender and ethnicity identification using silhouetted face profiles with any computer vision technique. In future, this may be fused with some other method.

$$en!!