您的位置: 首頁 >科技 >

人工智能和機器學(xué)習(xí)幫助科學(xué)家理解人臉識別

2022-09-03 17:19:10 編輯:馬睿婷 來源:
導(dǎo)讀 來自索爾克研究所(Salk Institute)、俄羅斯Skoltech和理研中心(Riken Center for Brain Science)的科學(xué)家研究了一個理論模型,該模型...

來自索爾克研究所(Salk Institute)、俄羅斯Skoltech和理研中心(Riken Center for Brain Science)的科學(xué)家研究了一個理論模型,該模型研究了大腦視覺皮層的神經(jīng)元群如何識別和處理人臉及其表情,以及它們是如何組織起來的。這項研究最近發(fā)表在《神經(jīng)計算》雜志上,并在其封面上進(jìn)行了強調(diào)。

人類有驚人的能力來識別大量的人臉并解釋面部表情。這些能力在人類社會交往中起著關(guān)鍵作用。然而,人類大腦是如何處理和存儲如此復(fù)雜的視覺信息的,目前仍知之甚少。

Skoltech的科學(xué)家an - huy Phan和Andrzej Cichocki,以及他們來自和的同事Sidney Lehky和Keiji Tanaka,試圖更好地了解視覺皮層如何處理和儲存與人臉識別相關(guān)的信息。他們的方法是基于這樣一種思想,即人臉可以從概念上表示為部分或組件的集合,包括眼睛、眉毛、鼻子、嘴巴等。利用機器學(xué)習(xí)方法,他們應(yīng)用了一種新的張量算法,將人臉分解成一組稱為張量臉的分量或圖像,以及它們的相關(guān)權(quán)重,并用這些分量的線性組合來表示人臉。通過這種方式,他們建立了一個數(shù)學(xué)模型來描述參與人臉識別的神經(jīng)元的工作。

Skoltech教授Andrzej Cichocki說:“我們使用了一種新的張量分解方法,將人臉表示為一組特定復(fù)雜度的組件,這些組件可以被解釋為模型臉細(xì)胞,并表示人臉表示是由低復(fù)雜度和中復(fù)雜度的臉細(xì)胞混合而成?!?/p>


免責(zé)聲明:本文由用戶上傳,如有侵權(quán)請聯(lián)系刪除!

精彩推薦

圖文推薦

點擊排行

2016-2022 All Rights Reserved.平安財經(jīng)網(wǎng).復(fù)制必究 聯(lián)系QQ280 715 8082   備案號:閩ICP備19027007號-6

本站除標(biāo)明“本站原創(chuàng)”外所有信息均轉(zhuǎn)載自互聯(lián)網(wǎng) 版權(quán)歸原作者所有。