تعديل اثر سبك سوژه با استفاده از تابع انتقال سبك در بازشناسي رفتار خودانگيخته چهره

ظاهر بروز واحدهاي كنشي و  درد  در چهره ممكن است به طور قابل ‌توجهي براي افراد مختلف متفاوت باشد. بنابراين توزيع احتمال داده‌هاي آموزشي و داده فرد جديد در حالتيكه لازم است مدل يادگيرنده مستقل از داده شخص جديد آموزش ديده باشد، متفاوت است. در اين كار با فرض اينكه سبك افراد در بروز حالات علت تنوعات بين فردي است، روش‏هايي براي افزايش توانايي تعميم مدل بازشناسي جلوه‏ هاي كنشي چهره ارائه شده است. اين روش‏ ها بر اساس  مفهوم انتقال سبك يا تعديل اثر سبك عمل مي‏ كنند. تفاوت روش پيشنهادي اين است كه در مقايسه با روش‏هايي كه از نگاشت براي انتقال سبك استفاده مي كنند، الگوريتم‏ هايي را پيشنهاد داده است كه در حين سادگي كارآيي مناسب داشته باشند. آزمايش‌هايي بر روي پايگاه‌داده UNBC-McMaster انجام شده تا نتايج روش‏هاي پيشنهادي با كارهاي قبل مقايسه شوند. نتايج نشان مي‌دهد كه اين رويكرد مي‌تواند در حين داشتن سرعت مناسب، به طور موثر نرخ شناسايي درد و واحدهاي كنشي را در چهره بهبود دهد. بطوريكه بهترين متوسط نرخ بازشناسي واحدهاي كنشي 96.84 (با معيار AUC) بوده و همان روش در شرايط داده تطبيق كم و داده تطبيق مناسب به ترتيب داراي نرخ بازشناسي درد  87.30 و  93.26 (با معيار AUC) بوده است.