手写数字识别与性别识别 源代码+数据集，需要opencv和tensorflow库，win10装tensorflow和opencv教程在我的博客zhaohaowu.blog.csdn.net有

使用keras实现性别识别，模型数据使用的是oarriaga/face_classification的模型 实现效果 准备工作 在开始之前先要安装keras和tensorflow 安装keras使用命令：pip3 install keras 安装tensorflow使用命令：pip3 install tensorflow 编码部分 们使用OpenCV先识别到人脸，然后在通过keras识别性别，具体代码如下 #coding=utf-8 #性别识别 import cv2 from keras.models import load_model import numpy as np import

Java + OpenCV 系列专栏已经亲测可用 博客地址: https://yinyue.blog.csdn.net/article/details/115827069 https://yinyue.blog.csdn.net/article/details/115788931 https://yinyue.blog.csdn.net/article/details/116157355 图片分类: bvlc_googlenet.prototxt , bvlc_googlenet.caffemodel , synset_words.txt 年龄识别: age_deploy.prototxt age_net.caffemodel 性别识别: gender_net.caffemodel gender_deploy.prototxt 人脸关键点检测 lbfmodel.yaml

基于语音的性别识别 基于语音的性别识别，使用： 免费的ST美国英语语料库数据集（SLR45） 梅尔频率倒谱系数（MFCC） 高斯混合模型（GMM） 数据集 可以在上找到免费的ST美国英语语料库数据集（SLR45） 。 它是提供的免费的美国英语语料库，其中包含10位说话者（5位女性和5位男性）的讲话。 每个说话者大约有350种话语。 理论 语音特征提取 此处使用梅尔频率倒谱系数（MFCC），因为它们可在说话者验证中提供最佳结果。 MFCC通常如下得出： 进行信号（窗口摘要）的傅立叶变换。 使用三角形重叠窗口，将以上获得的光谱的功率映射到mel刻度上。 记录每个梅尔频率下的功率对数。

使用说明在这里：https://blog.csdn.net/yj13811596648/article/details/88737623

使用说明在这里 https://blog.csdn.net/yj13811596648/article/details/88737623

这是我写性别识别demo训练出来的模型，大家可以下载使用。本人亲自迁移到Android设备，完全没有问题。

找到一个SVM.CPP，直接拿来用的，根据男女身高体重数据，采用SVM进行分类。再用测试集对分类结果进行测试，并显示正确率

kaggle2018年的已标注人脸性别识别数据集，数据收集自网络欧美名人的人脸彩色图片，包括训练集（女/男性800张）、验证集（女/男性170张）、测试集（女/男性170张），其中有不同光照、戴眼镜、头部部分等不同因素。

包括adaboost, lbp,pca+lda+svm, 使用vgg网络的cnn，sift+randomforest等