tsta

Home / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

چارچوب سلسله‌مراتبی مبتنی بر مدل انتشار شرطی و شبکه پیش‌بینی‌کننده برای تولید و بازشناسی توامان حالات چهره

Authors :

علی محمدپزنده¹ عمادالدین فاطمی‌زاده²

1- دانشگاه صنعتی شریف، تهران، ایران 2- دانشگاه صنعتی شریف، تهران، ایران

Keywords :

یادگیری عمیق،بازشناسی حالات چهره،تولید حالات چهره،مدل‌های انتشار

Abstract :

حالات چهره از مهم‌ترین ابزارهای ارتباط غیرکلامی انسان هستند و سرنخ‌های ارزشمندی برای ارزیابی وضعیت‌های عاطفی و شناختی فراهم می‌کنند. پژوهش‌ها نشان داده‌اند که افراد دارای اختلال طیف اوتیسم نسبت به افراد عادی شدت و تنوع کمتری در حالات دارند؛ شاخصی که می‌تواند در تشخیص زودهنگام، به‌ویژه در کودکان، سودمند باشد. با این حال، جمع‌آوری داده‌های تصویری از کودکان با محدودیت‌های اخلاقی و عملی همراه است. در این مقاله چارچوبی سلسله‌مراتبی معرفی می‌شود که به‌طور همزمان وظیفه تولید و بازشناسی حالات چهره را انجام می‌دهد. هسته اصلی این چارچوب یک مدل انتشار نرم شرطی است که تصاویر واقع‌گرایانه چهره را بر اساس مقادیر پیوسته ظرفیت-انگیختگی تولید کرده و تنوع داده را در شرایط کم‌داده افزایش می‌دهد. در کنار آن، شبکه‌ای پیش‌بینی‌کننده به‌صورت انتها به انتها با مدل مولد آموزش داده می‌شود تا مقادیر ظرفیت-انگیختگی را تخمین زده و دقت بازشناسی حالات ظریف را ارتقا دهد. نتایج پژوهش نشان می‌دهد که رویکرد پیشنهادی علاوه بر بهبود کیفیت تصاویر تولیدی، موجب افزایش قابل توجه دقت شبکه پیش‌بین می‌شود. این چارچوب می‌تواند در مهندسی پزشکی و پایش بالینی، از جمله اختلالات عصبی و روانپزشکی و به‌ویژه اوتیسم، ابزاری کمکی برای تقویت مجموعه‌داده‌های محدود کودکان و کمک به تشخیص زودهنگام باشد.