تعيين ميزان رضايت مندي در حالات چهره به كمك شبكه ي عصبي

امروزه ربات‌ها نقش مهمي در زندگي روزانه‌ي افراد كم‌توان و ناتوان و حتي انسان‌هاي عادي ايفا مي‌كنند به نحوي كه تقريباً در تمامي حوزه‌هاي درماني و كمك درماني، آموزشي و توان‌بخشي، بازي و سرگرمي شاهد حضور انواع و اقسام ربات‌هاي اجتماعي هستيم. يكي از معضلاتي كه ممكن است در تعاملات بين انسان و ربات وجود داشته باشد، عدم درك متقابل عاطفي است؛ بدين معنا كه معمولاً ربات هيچ درك عاطفي از حالات روحي انسان ندارد و گاهاً به همين دليل، كيفيت تعاملات كاهش مي‌يابد. شايد بتوان درك ميزان رضايت‌مندي افراد را به‌عنوان يك پارامتر اصلي در تعاملات بين انسان و ربات در نظر گرفت؛ بدين معنا كه همواره ايجاد تعامل مناسب باعث افزايش ميزان رضايت‌مندي در انسان مي‌شود و از طرفي ديگر افراد با ابراز نارضايتي مي‌توانند عدم تمايل خود را براي تداوم يك تعامل بيان كنند. از اين رو سعي شده است در اين نوشتار با استفاده از مدل شبكه‌ي عصبي پيچشي ميزان رضايت‌مندي فرد در هنگام مواجهه با يك سناريوي از پيش تعيين شده بررسي شود. برخلاف تحقيقات متعدد و ارزشمندي كه با استفاده از شبكه‌ي عصبي عميق به دنبال تشخيص حالت چهره هستند و از تصوير خام فرد به‌عنوان ورودي شبكه استفاده مي‌كنند، در اين‌جا از بردار هيستوگرام شيب‌هاي جهت‌دار چهره به‌عنوان بردار مشخصه‌ي توصيف‌كننده‌ي ميزان رضايت‌مندي و از يك مدل شبكه‌ي عصبي كوچك به‌عنوان رده‌بند استفاده شده است. مدل به دست آمده علاوه بر قدرت تشخيص ميزان رضايت‌مندي و قابليت تعميم بالا، قابليت تشخيص عواطف منفي را نيز دارد. كوچك بودن و هزينه‌ي پايين پردازش دو عنصر بسيار مهم در كارايي سيستم‌هاي منفك است كه به‌عنوان دو قيد اساسي در مدل لحاظ شده است؛ گاهي براي رسيدن به اين دو مهم از پارامترهاي ديگر چشم‌پوشي شده است.