本研究提出了一种新方法，解决流式多说话人语音翻译中的说话人变化检测与性别分类问题，实验结果表明其准确性高，具有重要应用价值。

本文调查了计算机视觉模型中的社会偏见，并提出了一个社会技术框架，用于评估计算机视觉模型的性能和社会公平考虑。研究发现GPT-4 Vision在性别分类方面准确性较高，但存在对跨性别和非二元人格的偏见。此外，该模型的情绪检测偏向积极情绪，尤其是在男性人格的提示下。研究强调了开发更全面的评估标准以解决计算机视觉模型中的有效性和歧视性偏见的必要性。该研究提供了一个框架，以批判性地评估计算机视觉工具的道德性和有效性。

本文调查了计算机视觉模型中的社会偏见，并提出了一个社会技术框架，用于评估计算机视觉模型的性能和社会公平考虑。研究发现GPT-4 Vision在性别分类方面准确性较高，但存在歧视性偏见。此外，该模型的情绪检测偏向积极情绪，并对不同性别的图像有明显偏见。研究强调了开发全面评估标准的必要性，以解决计算机视觉模型中的有效性和歧视性偏见。该研究提供了一个框架，以批判性地评估计算机视觉工具，确保其在应用中具有道德性和有效性。

本文提出并实现了一个通用的卷积神经网络（CNN）构建框架，用于设计实时CNN。通过创建一个实时视觉系统来验证模型，在混合步骤中完成面部检测、性别分类和情感分类任务。准确性分别为96%和66%。介绍了最近的实时启用的引导反向传播可视化技术。通过在RoboCup＠Home比赛中使用的Care-O-bot 3机器人上部署进行验证。