메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
장경선 (충남대학교)
저널정보
한국정보처리학회 JIPS(Journal of Information Processing Systems) JIPS(Journal of Information Processing Systems) 제16권 제4호
발행연도
2020.1
수록면
809 - 819 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Gender prediction accuracy increases as convolutional neural network (CNN) architecture evolves. This paper compares voting and ensemble schemes to utilize the already trained five CNN models to further improve gender prediction accuracy. The majority voting usually requires oddnumbered models while the proposedsoftmaxbased voting can utilize any number of models to improve accuracy. The ensemble of CNN models combined with one more fullyconnected layer requires further tuning or training of the models combined. With experiments, it is observed that the voting or ensemble of CNN models leads to further improvement of genderprediction accuracy and that especially softmaxbased voters always show better gender prediction accuracy than majority voters. Also, compared with softmaxbased voters, ensemble models show a slightly better or similar accuracy with added training of the combined CNN models. Softmaxbased voting can be a fast andefficient way to get better accuracy without further training since the selection of the top accuracy models among available CNN pretrained models usually leads to similar accuracy to that of the corresponding ensemble models.
#Majority Voting #Softmaxbased Voting #Ensemble Scheme #Gender Prediction #CNN models

목차

등록된 정보가 없습니다.

참고문헌 (20)

참고문헌 신청
E. Eidinger / 2014 / Age and gender estimation of unfiltered faces / IEEE Transactions on Information Forensics and Security 9(12):2170~2179 google schola G. Levi / 2015 / Age and gender classification using convolutional neural networks / Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops :34~42 google schola A. Dehghan / DAGER: deep age, gender and emotion recognition using convolutional neural network google schola S. Lapuschkin / 2017 / Understanding and comparing deep neural networks for age and gender classification / Proceedings of the IEEE International Conference on Computer Vision Workshops :1629~1638 google schola K. Zhang / 2017 / Age group and gender estimation in the wild with deep RoR architecture / IEEE Access 5:22492~22503 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0