تعیین میزان رضایت مندی در حالات چهره به کمک شبکه ی عصبی

امروزه ربات ها نقش مهمی در زندگی روزانه ی افراد کم توان و ناتوان و حتی انسان های عادی ایفا می کنند به نحوی که تقریبا در تمامی حوزه های درمانی و کمک درمانی، آموزشی و توان بخشی، بازی و سرگرمی شاهد حضور انواع و اقسام ربات های اجتماعی هستیم. یکی از معضلاتی که ممکن است در تعاملات بین انسان و ربات وجود داشته باشد، عدم درک متقابل عاطفی است؛ بدین معنا که معمولا ربات هیچ درک عاطفی از حالات روحی انسان ندارد و گاها به همین دلیل، کیفیت تعاملات کاهش می یابد. شاید بتوان درک میزان رضایت مندی افراد را به عنوان یک پارامتر اصلی در تعاملات بین انسان و ربات در نظر گرفت؛ بدین معنا که همواره ایجاد تعامل مناسب باعث افزایش میزان رضایت مندی در انسان می شود و از طرفی دیگر افراد با ابراز نارضایتی می توانند عدم تمایل خود را برای تداوم یک تعامل بیان کنند. از این رو سعی شده است در این نوشتار با استفاده از مدل شبکه ی عصبی پیچشی میزان رضایت مندی فرد در هنگام مواجهه با یک سناریوی از پیش تعیین شده بررسی شود. برخلاف تحقیقات متعدد و ارزشمندی که با استفاده از شبکه ی عصبی عمیق به دنبال تشخیص حالت چهره هستند و از تصویر خام فرد به عنوان ورودی شبکه استفاده می کنند، در این جا از بردار هیستوگرام شیب های جهت دار چهره به عنوان بردار مشخصه ی توصیف کننده ی میزان رضایت مندی و از یک مدل شبکه ی عصبی کوچک به عنوان رده بند استفاده شده است. مدل به دست آمده علاوه بر قدرت تشخیص میزان رضایت مندی و قابلیت تعمیم بالا، قابلیت تشخیص عواطف منفی را نیز دارد. کوچک بودن و هزینه ی پایین پردازش دو عنصر بسیار مهم در کارایی سیستم های منفک است که به عنوان دو قید اساسی در مدل لحاظ شده است؛ گاهی برای رسیدن به این دو مهم از پارامترهای دیگر چشم پوشی شده است.