基于opencv 的hog+svm性别识别源码 ，其中文件夹中生成xml，可以直接使用。可以作为参考代码

用作人脸性别识别时的训练样本，里面包含200张男性人脸图片和200张女性人脸图片，大部分为亚洲人，图片为bmp格式，按规则命名，本人花半天时间从数据库中裁剪整理所得

windows 10; vs2013; 说话人识别和说话人性别识别SDK，利用GUMM-UBM算法实现。https://blog.csdn.net/u012594175/article/details/89003815

基于Gabor+PCA+SVM的性别识别.图像预处理。从人脸数据库提取人脸。为提取特征做准备

基于Gabor+PCA+SVM的性别识别(1)提取的人脸图像，运用Gabor提取特征，PCA降维，最后运用SVM训练一个性别分类器

本项目建立了一个小的语音库（8男8女），编写mfcc函数提取出语音的mfcc特征，然后利用svm进行训练和测试，实现性别识别，并创建gui进行功能展示，正确率为93.75%。本代码功能尚比较简单，有待继续完善。

构建CNN LayerBuilder builder = new LayerBuilder(); builder.addLayer(Layer.buildInputLayer(new Size(28, 28))); builder.addLayer(Layer.buildConvLayer(6, new Size(5, 5))); builder.addLayer(Layer.buildSampLayer(new Size(2, 2))); builder.addLayer(Layer.buildConvLayer(12, new Size(5, 5))); builder.addLayer(Layer.buildSampLayer(new Size(2, 2))); builder.addLayer(Layer.buildOutputLayer(10)); CNN cnn = new CNN(builder, 50); 运行MNIST数据集 String fileName = "data/train.format"; Dataset dataset = Dataset.load(fileName, ",", 784); cnn.train(dataset, 100); Dataset testset = Dataset.load("data/test.format", ",", -1); cnn.predict(testset, "data/test.predict"); 计算精度可以达到97.8%。

基于MFCC和SVM的说话人性别识别 建立了普通话语音性别数据库 ,提出联合梅尔频率频谱系数(Mel-frequency Cepstrum Coefficients,MFCC)的特征提取方法和支持向量机(Support Vector Machine,SVM)的分类方法进行说话人性别识别 ,并与其它分类方法进行比较 ,实验结果表明该方法的说话人性别识别准确率达到98.7%,明显优于其它分类器。

一种通用的实现方法卷积神经网络（CNN）构建框架设计实时CNN。创建实时面部检测视觉系统，实现性别分类和情绪分类。

这个是性别识别库，simple_CNN.81-0.96.hdf5，我用python写性别识别功能的时候用到这个，在这里分享给大家。