一个动态的多尺度卷积模型用于面部识别,使用事件相关的潜力
Shengkai Li1,2, Tonglin Zhang2,3, Fangmei Yang2
1School of Automation, Qingdao University, Qingdao 266071, China.
Sensors (Basel, Switzerland)
|July 13, 2024
概括
本研究引入了一种新的动态多尺度卷积模型,用于识别熟悉和不熟悉的面孔,使用与事件相关的潜在 (ERP) 数据. 该模型实现了高精度,为大脑对面部表示提供了新的见解.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 计算机科学 计算机科学
背景情况:
- 事件相关潜力 (ERP) 分析已经从统计方法发展到机器学习技术.
- 在将ERP组件与熟悉与不熟悉的面孔的神经表征联系起来仍然存在挑战.
研究的目的:
- 提出一种新的动态多尺度卷积模型,用于使用ERP数据对熟悉和不熟悉的面部进行群体识别.
- 为了解决理解ERP组件和面部表示之间的关系的复杂性.
主要方法:
- 开发了一个多尺度模型,利用生成的重量面罩进行跨主体的面部识别.
- 使用可变长度过器生成器在时间序列ERP数据中动态捕获跨不同时间尺度的特征.
主要成果:
- 拟议的模型实现了93.20%的平衡精度和88.54%的F1得分.
- 与最先进的 (SOTA) 模型相比,在比较实验中表现出更高的性能.
- 在不同时区提取的ERP数据为ERP组件研究提供了数据驱动的支持.
结论:
- 动态多尺度卷积模型有效地从ERP数据中识别熟悉和不熟悉的面孔.
- 这种方法为面部神经表现提供了有价值的数据驱动的洞察力.
- 这种方法通过使用先进的信号处理和机器学习来增强跨主题人脸识别能力.


