الهام السادات روان بخش - دانشجوی کارشناسی ارشد، دانشگاه شهید چمران اهواز
احسان نامجو - استادیار، دانشگاه شهید چمران اهواز
سیدعنایت الله علوی - استادیار ، دانشگاه شهید چمران اهواز

تشخیص جنسیت یکی از مباحث ارزشمند در زمینه ی رباتیک و سیستمهای تعاملی است. امروزه همگام با پیشرفتهای بی نظیر در طراحی سیستمهای تشخیص و شناسایی چهره، نیاز به استفاده و بهبود روشهای تشخیص جنسیت بیشتر احساس میشود. پیشرفت هایی که تاکنون در این زمینه حاصل شده است، در مقایسه با سایر روشها پررنگ نیست. از این رو در این پژوهش، یک شبکه ی کانولوشن هشت لایه جهت افزایش دقت نسبت به کارهای پیشین طراحی شده است. نوآوری این کار در استفاده از فیلترهای کوچک و استفاده از لایه های کانولوشن بیشتر است. فیلترهای کوچک با سایز 3 ×3منجر به کاهش تعداد پارامترها در شبکه میشوند. از آنجا که با افزایش تعداد لایه ها در شبکه های عمیق، همیشه بیم بیش برازش در شبکه وجود دارد، کاهش تعداد پارامترها می تواند شبکه را به سادگی از این مشکل نجات دهد. افزون بر اینکه این امر منجر به افزایش دقت 3%ی شبکه بر روی پایگاه داد هیAdienceمیشود.

تشخیص جنسیت، شبکه های عصبی کانولوشن، تنسورفلو، واحد پردازش گرافیکی،یادگیری عمیق