عنوان پایان‌نامه
تحقیق و بررسی درباره شناسایی ماهیت کل نگرانه بودن پردازش چهره انسان
- رشته تحصیلی
- مهندسی کامپیوتر- هوش مصنوعی - رباتیک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 3044;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77594;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 3044;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77594
- تاریخ دفاع
- ۱۴ شهریور ۱۳۹۵
- دانشجو
- اکبر میرزایی
- استاد راهنما
- رشاد حسینی
- چکیده
- بسیاری از تحقیقات علوم شناختی و سایکوفیزیک در زمینه پردازش چهره انسان مدعی هستند که فرایند شناسایی چهره نسبت به فرایند تشخیص سایر اشیاء بسیار کل‌نگرتر می‌باشد. بدین معنی که شناسایی چهره تنها با تشخیص و در نظر گرفتن تک تک ویژگی‌ها صورت نمی‌گیرد، بلکه پردازش ویژگی‌ها به صورت یکجا در شناسایی چهره شخص بسیار موثر می‌باشد. با وجود اینکه تعداد بسیار کمی از محققان پردازش چهره معتقدند که فرایند شناسایی چهره یک فرایند کل‌نگر نیست، ولی در مورد اینکه آیا درک حالت چهره یک درک کل‌نگرانه از کل چهره است یا یک درک تحلیلی از برخی از ویژگی‌های چهره، اختلاف در بین دانشمندان بسیار زیاد می‌باشد. بسیاری از محققان معتقدند، استفاده از روش‌ها و رویکردهای بین رشته‌ای همانند سایکوفیزیک، فیزیولوژی و دانش کامپیوتر این امکان را به ما می‌دهد که بتوانیم درک درست از نحوه پردازش ذهن انسان از اشیای پیچیده همانند چهره انسان داشته باشیم و در نهایت یک مدل کارآمد از ذهن انسان بدست آوریم. در این پایان‌نامه ابتدا به مطالعه آزمایش‌های سایکوفیزیک انجام شده جهت بررسی کل‌نگر بودن پردازش حالت چهره می‌پردازیم و سپس مدل EMPATH را که قابل پذیرش از لحاظ بیولوژکی است، به عنوان مدل محاسباتی خود انتخاب می‌کنیم. سپس آزمایش‌های سایکوفیزیک را بر روی این مدل محاسباتی شبیه‌سازی می‌کنیم. برای شبیه‌سازی آزمایش‌های سایکوفیزیک نیاز داریم که توجه به نیمه غیر هدف را مدل‌سازی کنیم. برای مدل‌سازی توجه به نیمه غیر هدف 3 روش پیشنهاد می‌کنیم و نتایج هر کدام از روش‌ها را با نتایج آزمایش مقایسه خواهیم کرد. نتایج شبیه سازی با استفاده از روش کاهش واریانس برای مدل کردن توجه به نیمه هدف شباهت بسیاری خوبی با نتایج بدست آمده از آزمایش‌های انجام شده در زمینه سایکوفیزیک دارد.
- Abstract
- Is face processing “holistic” or the parts of the face are processed independently, and changes in configurations of the parts have no impact on processing? It has been claimed that face is recognized more holistically than other types of objects. In fact, face identification relies not on the recognition of individual features, but on the recognition of those features into a holistic face representation. While few face researches would disagree that the recognition of facial identity is holistic, there is less consensus about whether the perception of facial expression is based on the holistic perception of the entire face or on the analytic perception of particular parts. To shed some insight into these questions, our approach is to make use of psychology and psychophysics experiments such as composite effect and perform the corresponding experiments in some face processing models. Since neural networks models are also considered cognitive models and they provide us with some degree of biological plausibility, we mostly tend to rely on these models. After using preprocessing methods such as Gabor filters and Principle Component Analysis and by comparing the performance of both results (our results and excremental results in psychophysics) we may propose the answer to our question about the holistic nature of facial expression processing. In order to simulate psychophysics experiments we need to model the attention to the target half of the face. We proposed three methods to model the attention to the target half and compared the results of those to the psychophysics experiments results. Finally, we would like to know whether psychophysics experiments and our simulation using EMPATH model have the same results or not. Since they have the same results we conclude that the EMPATH model is a biologically plausible model and the facial expression processing is a holistic processing. Keywords: Facial expression processing, Holistic processing, Psychophysics experiments, Composite effect, EMPATH model, Interdisciplinary approach, Computational model of face processing
