Earticle

본 연구는 임금 이외의 부가급여에서 남성근로자와 여성근로자 간의 차이가 발생하는지,그리고 부가급여의 수혜에 있어 영향을 미치는 요인에 있어 남녀간 차이가 발생하는지를분석하고자 하였다. 이를 위해 한국노동패널 11차년도 자료를 활용하여 여성근로자 1,069명,남성근로자 1,555명을 대상으로, 음이항 회귀분석 모형을 이용하여 분석하였다. 그리고 부가급여의 성격별로 비교분석하기 위해 부가급여를 사회보험, 국가규제적 급여, 기업복지, 세가지로 구분하여 진행하였으며, 종속변수는 각각의 부가급여별로 근로자가 적용받는 항목수로하였다. 연구결과, 각각의 부가급여 모두 통계적으로 유의한 수준에서 남성근로자가 여성근로자보다 더 많이 제공받았다. 그러나 다른 변수를 통제한 성별의 영향력을 보면 근로자가제공받는 국가규제적 급여 항목수의 경우 성별이 유의한 영향을 미치지 못했으나 사회보험이나 기업복지 항목수는 성별이 유의한 영향을 미치는 것으로 나타났다. 그리고 각각의 부가급여 항목수에 영향을 미치는 요인을 성별로 구분하여 비교해보면, 여성근로자는 연령의영향을 남성보다 더 많이 받는 것으로 나타났는데, 특히 사회보험 항목수의 경우 여성근로자만이 연령이 낮을수록 항목수가 증가하는 것으로 나타났다. 학력에 있어서 여성근로자는남성근로자에 비해 유의한 영향을 많이 주지는 않았으나 남성근로자는 국가규제적 급여나기업복지에 있어 뚜렷한 학력간 항목수의 차이를 보였다. 업종과 직종의 경우 남녀간 영향요인이 다소 차이가 발생하였으며, 사업장규모 변수의 경우 일반적으로 규모가 클수록 항목수가 증가하는데 반해, 여성근로자는 기업복지 항목수에 있어 유의한 영향을 주지 않는 것으로 나타났다. 그 외 종사상지위, 근속기간, 월평균임금, 노조유무 등은 여성근로자와 남성근로자가 유사한 경향을 나타내었다.

The study intended to analyze whether there is a difference between male and female workers at the fringe benefit and factors influencing fringe benefits. Utilizing 11th years survey of Korean Labor Panel, this study conducted Negative Binomial Regression from 1,069 female workers and 1,555 male workers. Fringe benefit was classified into social insurance, national regulatory pay, corporate welfare, and the dependant variables were the number of items for each fringe benefit. As a result,the number of items for all of each fringe benefit had significant difference between male and female workers. While gender didn't have significant effect on the number of items of national regulatory pay that workers receive, it had significant effect on the number of items of social insurance or corporate welfare. The factors influencing the number of each fringe benefit by gender, female workers appeared to have more effect of age than male, especially in the case of the number of items of social insurance, only female workers appeared to have increasing number of items as age gets lower. While academic background didn't have significant effect for female workers, it had significant effect for male workers at the national regulatory pay or corporate welfare. In the case of job type and business type, there was a little difference between male and female workers. Generally the bigger the scale was,the more the number of items, but the scale appeared not to have significant influence on the number of items of corporate welfare for female workers. Positions,tenure, average monthly wage, existence of labor union, etc showed similar tendency in terms of influence for female and male workers.

청소년은 심리·사회·생물학적 변화로 인해 스트레스에 취약하며, 이는 신체화 증상으로 나타날 수 있다. 이 연구는 2021년 한국청소년정책연구원의 정신건강 실태조사 데이터를 활용해 초·중·고 5,608명을대상으로 신체화 증상의 주요 예측 요인과 유형을 분석하였다. 신체화 증상은 한국판 아동 신체화 척도를 사용해 허약증상, 신체통증, 위장통증 등으로 측정되었다. 예측변수는 심리(우울, 불안, 외상성고통 등), 사회(부모양육태도, 학교적응 등), 건강(규칙적식사, 신체질병 및 장애), 환경(다문화가정, 가정형편 등)의차원을 포함하고 다양한 머신러닝 기법을 적용하였다. 연구 결과, 열 가지 주요 예측요인 중 모든 연령․ 성별에서 우울, 불안, 스트레스 등의 심리적 요인이 나타났다. 초등학생은 ADHD성향이 높은 순위에 있으며, 중학생은 긍정적․부정적 양육태도가 포함되었다. 고등학생 집단에서는 자살 경향성이 비교적 높은순위를 차지했다. 남학생과 달리 여학생은 고등학생으로 갈수록 정서적 요인의 중요성이 확대되었다. 추가로 잠재계층분석 결과, 모든 연령․성별에서 신체화 증상이 3개의 잠재계층으로 나타났다. 초등학생의경우 심혈관 증상이나 유사신경학적 증상이 두드러진 단일 유형이 주로 나타났으나 중고등학생에서는 여러 증상이 높은 복합적인 유형의 비율이 증가하였다. 이러한 결과는 학교급과 성별에 따라 신체화 증상에 대한 차이가 있음을 시사하며 그에 따른 차별화된 개입 전략과 예방이 필요함을 논의하였다.

Adolescents are vulnerable to stress due to psychological, social, and biological changes, which can manifest as somatization symptoms. This study analyzed key predictors and types of somatization symptoms using data from the 2021 Korean Youth Policy Institute’s mental health survey covering 5,608 elementary, middle, and high school students. Symptoms were measured using the Korean version of the Children’s Somatization Scale, including fatigue, physical pain, and gastrointestinal pain. Predictors included psychological factors, namely depression, anxiety, trauma; social factors, namely parenting style and school adaptation; health factors, namely regularity and physical illness; and environmental factors, namely multicultural family and economic statuses. These factors were analyzed using machine learning techniques. The results showed that psychological factors were the strongest predictors of somatization across all groups. Latent class analysis identified three symptom profiles with younger students being more likely to exhibit cardiovascular or neurological symptoms and older students being more likely to exhibit more complex patterns. This study’s results highlight the need for tailored interventions based on school level and gender.

With the evolution of HCI (Human-Computer Interaction), the computer vision systems are playing an important role in our lives. Some of the prime areas of computer vision applications include gender detection, face recognition, body tracking and ethnicity identification etc. Automated data analyses techniques help discover regularities and hidden associations in larger volumes of datasets. Classification being a data mining technique is largely used to group categorical data as well as a blend of continuous numeric values and categorical data. A number of classification techniques like decision trees, support vector machine (SVM), nearest neighbors and neural networks etc. have gained popularity in numerous areas of data mining practices. Among these classification techniques, decision trees offer an added advantage of producing easily interpretable rules and logic statements along with generating the classification tree for the given dataset. This study offers a distinct method for gender classification of facial images. We have used a variant of the decision tree algorithm for gender classification of frontal images due to its distinctive features. Our technique demonstrates robustness and relative scale invariance for gender classification. Details of the experimental design and the results are reported herein.

Over the period of time, automated classification of gender has gained enormous significance and has become an active area of research. Many researchers have put a lot of effort and have produced quality research in this area. Still, there is an immense potential in this field because of its utility in many areas like monitoring, surveillance, commercial profiling and human-computer interaction. Security applications have utmost importance in this area. Gender classification can be used as part of a face recognition process. This paper presents a comprehensive comparison of state-of-the-art research techniques. We have divided the classification process into three stages and have presented a categorical review of existing literatures. Their analysis has been presented along-with their strengths and weaknesses. We have also discussed standard data sets. This can help the novel researcher a comprehensive review. Future dimensions are presented considering the limitations found in the literature.

The face describes the personality of humans and has adequate importance in the identification and verification process. The human face provides, information as age, gender, face expression and ethnicity. Research has been carried out in the area of face detection, identification, verification, and gender classification to correctly identify humans. The focus of this paper is on gender classification, for which various methods have been formulated based on the measurements of face features. An efficient technique of gender classification helps in accurate identification of a person as male or female and also enhances the performance of other applications like Computer-User Interface, Investigation, Monitoring, Business Profiling and Human Computer Interaction (HCI). In this paper, the most prominent gender classification techniques have been evaluated in terms of their strengths and limitations.

In this paper, a two step efficient pose based gender classification technique has been presented. In first step, the proposed technique uses different type of features for pose classification which classifies the input image as frontal or side pose image. Based on pose classification result, gender classification is performed in the second step. Two different types of gender classifiers have been proposed for both side pose and frontal images which use the image and pose classification result as input and classifies the image as male or female. The proposed technique is tested over standard datasets using well known quantitative measures. Results show that the proposed technique gives superior performance than the existing techniques.

Classification has emerged as a leading technique for problem solution and optimization. Classification has been used extensively in several problems domain. Automated gender classification is a significant area of research and has great potential. It offers several industrial applications in near future such as monitoring, surveillance, commercial profiling and human computer interaction. Different methods have been proposed for gender classification like gait, iris and hand shape. However, majority of techniques for gender classification are based on facial information. In this paper, a comparative study of gender classification using different techniques is presented. The major emphasis of this work is on the critical evaluation of different techniques used for gender classification. The comparative evaluation has highlighted major strengths and limitations of these existing techniques. Taking an overview of these major problems, our research is focused on summarizing the literature by highlighting its strengths and limitations. This study also presents several future research areas in the domain of gender classification.

Automatic gender classification of an individual can be very useful in video-based surveillance systems and human-computer interaction systems. Currently, gait from a single viewpoint has been used to recognize the gender of a person. Considering the multiple cameras used in real environments, we investigate gender classification from human gait by using multi-view fusion, a relatively understudied problem. In this paper, we present a new approach to integrate information from multi-view gait at the feature level. First, gait energy images (GEI) are constructed from the video streams for different viewpoints. Then, the feature fusion is performed by putting GEI images and camera views together to generate a third-order tensor (x, y, view). A multi-linear principal component analysis (MPCA) is employed to reduce dimensionality of the tensor objects which integrate all views. The proposed fusion scheme is tested on CASIA database and compared with other fusion methods. The experimental results show that MPCA based feature fusion is quite effective for multi-view gait based gender classification.

본 논문에서는 음성 데이터에서 특징벡터를 추출한 후 이를 분석하여 화자의 성별을 분류하는 연구를 진행하였다. 본 연구는 고객이 전화 등 음성을 통해 서비스를 요청할 시 요청한 고객의 성별을 자동으로 인식함으로써 직접 듣고 분류하지 않아도 되는 편의성을 제공한다. 학습된 모델을 활용하여 성별을 분류한 후 성별마다 요청 빈도가 높은 서비스를 분석하여 고객 맞춤형 추천 서비스를 제공하는 데에 유용하게 활용할 수 있다. 본 연구는 공백을 제거한 남성 및 여성의 음성 데이터를 기반으로 각각의 데이터에서 MFCC를 통해 특징벡터를 추출한 후 SVM 모델을 활용하여 기계학습을 진행하였다. 학습한 모델을 활용하여 음성 데이터의 성별을 분류한 결과 94%의 성별인식률이 도출되었다.

This research conducted a study classifying gender of speakers by analyzing feature vectors extracted from the voice data. The study provides convenience in automatically recognizing gender of customers without manual classification process when they request any service via voice such as phone call. Furthermore, it is significant that this study can analyze frequently requested services for each gender after gender classification using a learning model and offer customized recommendation services according to the analysis. Based on the voice data of males and females excluding blank spaces, the study extracts feature vectors from each data using MFCC(Mel Frequency Cepstral Coefficient) and utilizes SVM(Support Vector Machine) models to conduct machine learning. As a result of gender classification of voice data using a learning model, the gender recognition rate was 94%.

In face examinations, gender classification (GC) is one of several fundamental tasks. Recent literature on GC primarily utilizes datasets containing high-resolution images of faces captured in uncontrolled real-world settings. In contrast, there have been few efforts that focus on utilizing low-resolution images of faces in GC. We propose a GC method based on a pixel classifier boosting with modified census transform features. Experiments are conducted using large datasets, such as Labeled Faces in the Wild and The Images of Groups, and standard protocols of GC communities. Experimental results show that, despite using low-resolution facial images that have a 15-pixel inter-ocular distance, the proposed method records a higher classification rate compared to current state-of-the-art GC algorithms.

성별 분류 기술은 법의학, 감시 시스템, 인구 통계 연구 등 다양한 분야에서 활용될 수 있기 때문에, 연구자들로부터 많은 관심을 받고 있다. 남성과 여성의 보행 사이에는 서로 구별되는 특징이 있다는 것이 기존 연구들에서 밝혀지면서, 3차원 보행 데이터에서 성별을 분류하는 다양한 기술들이 제안됐다. 하지만, 기존 기술들을 사용해 3차원 보행 데이터로부터 추출한 보행 특징 중에는 서로 유사 또는 중복되거나 성별 분류에 도움이 되지 않는 특징들도 있다. 이에 본 연구에서는 상관관계 기반 특징 선별 기술을 활용해, 성별 분류에 도움이 되는 특징들을 선별하는 방법을 제안한다. 그리고 제안하는 특징 선별 기술의 효용성을 입증하기 위해서, 인터넷상에 공개된 3차원 보행 데이터 세트(Dataset)를 활용하여 제안하는 특징 선별 기술을 적용하기 전과 후에 대해 성별 분류 모델들의 성능을 비교 분석하였다. 실험에는 이진 분류 문제에 적용할 수 있는 여덟 가지의 머신러닝 알고리즘(Machine Learning Algorithms)을 활용하였다. 실험 결과, 제안하는 특징 선별 기술을 사용하면 성별 분류 성능은 유지하면서, 특징의 개수를 82개에서 60개까지, 22개를 줄일 수 있다는 것을 입증하였다.

Gender classification techniques have received a lot of attention from researchers because they can be used in various fields such as forensics, surveillance systems, and demographic studies. As previous studies have shown that there are distinctive features between male and female gait, various techniques have been proposed to classify gender from three dimensional(3-D) gait data. However, some of the gait features extracted from 3-D gait data using existing techniques are similar or redundant to each other or do not help in gender classification. In this study, we propose a method to select features that are useful for gender classification using a correlation-based feature selection technique. To demonstrate the effectiveness of the proposed feature selection technique, we compare the performance of gender classification models before and after applying the proposed feature selection technique using a 3-D gait dataset available on the Internet. Eight machine learning algorithms applicable to binary classification problems were utilized in the experiments. The experimental results show that the proposed feature selection technique can reduce the number of features by 22, from 82 to 60, while maintaining the gender classification performance.

사물 인터넷(IoT) 산업이 확산되면서 사용자의 정보를 특별한 조작 없이 물체가 스스로 인식하는 일이 매우 중요해졌다. 그중에서도 성별(남, 여)은 생물학적인 구조가 달라 성향이 다르고 사회적으로도 기대하는 바가 다르기 때문에 매우 중요한 요소이다. 하지만 얼굴 이미지를 기반으로 한 성별 인식과 관련된 연구는 동일한 성별이라도 다양한 생김새를 가지고 있어서 여전히 도전적인 분야이다. 그리고 성별인식 시스템을 사물 인터넷에 적용하기 위해서는 디바이스 크기를 소형화 시켜야 하며 저전력으로 구동이 가능해야 한다. 따라서 본 논문에서는 저전력으로 실제 사물에서 성별을 인식할 수 있는 기능을 탑재하기 위해 딥 러닝 기반의 성별 인식 알고리즘을 제안하고 이를 모바일 GPU 임베디드 보드에 포팅하여 최종적으로 실시간 성별인식 시스템을 구현하였다. 실험에서는 소비전력과 초당 처리 가능한 프레임 수를 PC환경과 모바일 GPU 임베디드 환경에서 측정하여 저전력 환경에서도 성별 인식이 가능함을 증명하였다.

While IoT (Internet of Things) industry has been spreading, it becomes very important for object to recognize user's information by itself without any control. Above all, gender (male, female) is dominant factor to analyze user's information on account of social and biological difference between male and female. However since each gender consists of diverse face feature, face-based gender classification research is still in challengeable research field. Also to apply gender classification system to IoT, size of device should be reduced and device should be operated with low power. Consequently, To port the function that can classify gender in real-world, this paper contributes two things. The first one is new gender classification algorithm based on deep learning and the second one is to implement real-time gender classification system in embedded board operated by low power. In our experiment, we measured frame per second for gender classification processing and power consumption in PC circumstance and mobile GPU circumstance. Therefore we verified that gender classification system based on deep learning works well with low power in mobile GPU circumstance comparing to in PC circumstance.

본 논문은 Open Quotient 정보와 Fundamental Frequency 정보를 이용한 성별 분류에 관한 것이다. 기존의 대표적인 성별 분류 특징정보로 Fundamental Frequency가 있으나, Fundamental Frequency 정보로는 이용하여 분류하는 데에 중점을 두어왔으나 이 정보는 노인 혹은 어린이에 대해서는 성별 분류 특징이 어렵다는 단점이 있었다. 한편 본 논문에서 제안하는 방법은 Open Quotient와 Fundamental Frequency의 연령대에 따른 차별 정보를 이용하여 학습시켜 성별분류를 보다 나은 성능으로 분류할 수 있다.

본 논문은 Open Quotient 정보와 Fundamental Frequency 정보를 이용한 성별 분류에 관한 것이다. 기존의 대표적인 성별 분류 특징정보로 Fundamental Frequency가 있으나, Fundamental Frequency 정보로는 이용하여 분류하는 데에 중점을 두어왔으나 이 정보는 노인 혹은 어린이에 대해서는 성별 분류 특징이 어렵다는 단점이 있었다. 한편 본 논문에서 제안하는 방법은 Open Quotient와 Fundamental Frequency의 연령대에 따른 차별 정보를 이용하여 학습시켜 성별분류를 보다 나은 성능으로 분류할 수 있다.

본 논문에서는 구조적응 자기구성 지도 모델을 사용하여 인간 행동의 성별을 분류하는 인식기를 제안하였다. 26명의 사람이 '화난 상태' 혹은 '보통 상태'의 두가지 정서 하에서 '문 두드리기', '손 흔들기', '물건 들어올리기'의 세가지 동작을 수행하는 동안, 행위자 관절점의 속도나 위치 정보로부터 성별을 분류하였다. 또한 SASOM의 성능 비교 분석을 위하여 전통적인 SOM, 다층 퍼셉트론과 거의 두 가지 결합 모델, SASOM와 의사결정트리 결합 모델, 단일 의사 결정트리, $textsc{k}$-최근접 이웃 등의 인식기를 구현하여 성능을 비교분석 하였다. 실험 결과 SASOM 분류기가 가장 높은 이식률을 보였으며 분류기로서 유용함을 알 수 있었다.

기존의 글씨체 성별 분류 연구는 전통적인 합성곱 신경망 모델, 앙상블 학습 기법, 그리고 DenseNet201과 같은 심층 합성곱 신경망을 활용했다. 기존의 방법에서 연산 효율성과 성능의 최적화 문제가 있었고, 이를 극복하기 위해 EfficientNetV2S 모델을 활용한 새로운 접근 방식을 제안한다. 제안된 방법은 손글씨 데이터를 전처리한 후, EfficientNetV2S 모델과 SAM 옵티마이저, 학습 스케줄러를 적용하여 글씨체로 성별을 분류하는 것이다. 전처리 과정에서는 이미지를 회색조로 변환하고 Otsu's 방법을 통해 이진화하여 단어 객체만을 추출한 후, 글자 수마다 지정된 크기로 이미지를 정규화하였다. 본 논문에서는 20대 데이터 셋에서의 글자 수에 따른 성별 분류 정확도를 비교하였고, 3글자 데이터 셋에서의 연령대에 따른 성별 분류 정확도를 비교하였다. 20대 데이터를 기반으로 글자 수별 성능을 평가한 결과, 3글자 단어에서 79.88%로 가장 높은 정확도를 기록했다. 이어서 10대부터 50대까지의 연령대별 성별 분류 실험에서 30대까지 분류 성능이 향상하여 97.29%의 정확도를 보였으나, 40대와 50대에서는 다소 감소하는 경향이 나타났다. 본 논문에서 제안한 방법은 기존 연구보다 더 높은 정확도로 성별을 분류할 수 있음을 증명하였으며, 문서 작성자 추정에서 보조 자료로 활용될 수 있다.

Existing studies on handwriting-based gender classification have utilized traditional convolutional neural network models, ensemble learning techniques, and deep convolutional networks like DenseNet201. However, these methods have encountered computational efficiency and performance optimization challenges. This paper proposes a new approach using the EfficientNetV2S model to address these issues. The proposed method involves preprocessing handwritten data and applying the EfficientNetV2S model, SAM optimizer, and a learning scheduler to classify gender based on handwriting. In the preprocessing steps, images are converted to grayscale, binarized using Otsu's method to extract word objects, and then normalized to a specified size according to the number of characters. In this study, gender classification accuracy was compared based on character count using a dataset of individuals in their 20s and based on age groups using a dataset of three-character words. The results show that, for the 20s dataset, the highest accuracy of 79.88% was achieved with three-character words. Additionally, in gender classification experiments across age groups from teenagers to 50s, accuracy improved up to the 30s group, reaching 97.29%, but then showed a slight decline in the 40s and 50s groups. The method proposed in this paper shows that gender can be classified with better accuracy than in previous studies and can be used as supplementary data in author attribution analysis.

2005년부터 여경채용목표제가 실시되었지만 2017년 현재 우리나라의 여성 경찰 비율은 10.8% 수준에 그친다. 경찰공무원 중 여성 비율이 낮은 것은 경찰공무원 채용에서 성별에 따라 구분 모집을 실시하고 있기 때문이다. 여성 경찰은 수적으로도 소수이고, 계급별로는 하위 직급에 편중되어 있다. 외국에서도 남성보다 여성 경찰이 적은 현상은 일반적이지만, 경찰 채용 상 성차별 문제가 제기됨에 따라 많은 국가에서 여성 채용 제한이 폐지되고 여성 경찰의 비율은 증가하고 있으며 계급이나 배치에서도 변화가 나타나고 있다. 이 논문에서는 경찰공무원의 성별 구분 모집의 정당성을 분석하기 위하여 우리나라와 미국의 법률과 결정례, 판례를 중심으로 진정 직업 자격 이론을 검토하였다. 진정 직업 자격(BFOQ)은 사업 운영에 합리적으로 필요한 직무 수행 자격으로서, 성별에 따른 차등 대우를 정당화할 수 있는 예외 사유 중 하나이다. 이 논문은 경찰청에서 제시하고 있는 성별 구분 모집의 근거를 바탕으로, 여성이 경찰 업무를 수행하기 어렵다고 주장되는 이유로서 강인한 물리력을 요하는 업무가 경찰 업무의 본질적 부분인지, 모든 여성 또는 거의 모든 여성이 실질적으로 본질적 업무를 안전하고 효율적으로 수행할 수 없다고 믿을 만한 합리적인 이유가 있는지, 성별에 따른 구분 외의 합리적 대안은 없는지, 주장되는 성별의 특성이 성별 고정관념에 의한 것은 아닌지, 성별이 진정 직업 자격이라고 주장되는 이유가 동료, 고용주, 고객, 의뢰인 등의 선호에 의한 것은 아닌지 등을 검토한 다음, 경찰 업무 수행에 있어 성별이 진정 직업 자격에 해당하지 않으므로 성별에 따른 구분 모집은 성차별에 해당한다는 결론을 내렸다.

In spite of the quota for women in police recruitment since 2005, women only make up 10.8% of total police officers in 2017. Policewomen are in the minority and frequently positioned in lower ranks because Korean police officer recruitment is based on gender classification. There are more policemen than policewomen in foreign countries, too. But the percentage of policewomen is increasing steadily in police hiring and some changes in rank and arrangement of women have begun in many countries. This paper examines BFOQ(bona fide occupational qualification) theory and precedents of Korea and USA on gender discrimination. BFOQ is the occupational qualification reasonably necessary to the normal operation of a particular business. That is the one of exceptions to illegal discrimination. This study tries to question the legitimacy of the police recruitment system on BFOQ theory. Is physical strength essential to police work? Is there any reasonable reason to believe that every woman or almost every woman can’t perform essential tasks safely and efficiently? Are there no reasonable alternatives instead of gender classification? Isn’t it gender stereotype? Aren’t the grounds related to stereotyped characterizations of the sexes? Aren’t the grounds related to the preferences of coworkers, the employer, clients or customers? On the basis of above analysis, this study concludes that gender classification in police recruitment constitutes gender discrimination because sex is not a bona fide occupational qualification for doing police work.

This study explores the Mishnah’s unique and pluralistic approach to biological gender categories and related legal systems, offering a perspective that transcends the traditional binary understanding of gender. Unlike the typical dualistic framework that defines gender as male or female, the Mishnah introduces six biological gender categories, including Tumtum, Androgyn, Saris, and Aylonit, alongside male and female, recognizing individuals whose gender may be ambiguous, similar to modern intersex individuals. This characteristic approach distinguishes the Mishnah and its associated rabbinic discourses from other ancient legal systems, as it does not force individuals into a conventional male-female binary, allowing for greater fluidity and inclusion within its legal framework. One particularly detailed example can be found in Bikkurim 4:1-5, where the Mishnah addresses the various legal implications of the Androgyn, an individual possessing both male and female sexual organs. Instead of marginalizing or excluding these individuals, the rabbis of the Mishnah acknowledged them as part of God’s creation, ensuring that they were granted appropriate rights and responsibilities based on specific legal contexts. This recognition reflects a broader understanding of gender that goes beyond simple categorization, offering a more inclusive approach for individuals who do not fit neatly into the binary categories of male and female. In doing so, the Mishnah develops a systematic legal framework to address issues of ambiguous gender. Notably, the rabbis engaged in open discussions and debates to derive legal solutions, ensuring these issues were addressed within a well-structured system rooted in objective observation, logical reasoning, and rational analysis. This demonstrates the adaptability of Jewish legal traditions in response to social realities and historical changes. However, despite the Mishnah’s nuanced gender framework, it remained largely absent from Christian traditions of legal, religious, and social thought due to long-standing theological and political conflicts that led to the exclusion of Jewish legal and interpretive traditions from Christian discourse.

Image-based gender classification and age estimation of human are classic problems in computer vision. Most of researches in this field focus just only one task of either gender classification or age estimation and most of the reported methods for each task focus on accuracy performance and are not computationally light. Thus, running both tasks together simultaneously on low cost mobile or embedded systems with limited cpu processing speed and memory capacity are practically prohibited. In this paper, we propose a novel light-weight gender classification and age estimation method based on ensemble multitasking deep learning with light-weight processing neural network architecture, which processes both gender classification and age estimation simultaneously and in real-time even for embedded systems. Through experiments over various well-known datasets, it is shown that the proposed method performs comparably to the state-of-the-art gender classification and/or age estimation methods with respect to accuracy and runs fast enough (average 14fps) on a Jestson Nano embedded board.

사물 인터넷(loT)의 확산에 따라 기계가 사용자의 정보를 인식하는 일이 매우 중요해졌다. 그 중에서도 성별은 사용자의 특징을 판단하는 결정적인 요소 중 하나이다. 하지만 아직 성별 인식에 관련된 연구는 여전히 도전적이며 향상시킬 부분이 많이 남아있다. 본 논문에서는 deep-convolutional neural network (DCNN)를 이용하여 높은 성능을 갖는 성별 인식 네트워크를 제안하며, 이를 모바일 GPU 보드에 임베디드 포팅(porting)하여 실시간 성별인식 시스템을 구성한 뒤, PC 환경과 모바일 GPU 환경에서 제안하는 시스템의 성능을 비교, 분석한다.