Ensembles de visages utilisés pour examiner l'algorithme de décomposition tensorielle. (a) Ensemble d'échantillons. Affiche 64 des 128 faces servant d'entrée à l'algorithme pour créer les tensorfaces. (b) Ensemble de test :Un ensemble différent de faces pour évaluer les propriétés des tensorfaces. Crédit :Institut des sciences et technologies de Skolkovo
Des scientifiques du Salk Institute (États-Unis), Skoltech (Russie), et le Riken Center for Brain Science (Japon) a étudié un modèle théorique de la façon dont les populations de neurones du cortex visuel du cerveau peuvent reconnaître et traiter les visages et leurs expressions, et comment ils sont organisés. La recherche a été publiée récemment dans Calcul neuronal et mis en évidence sur sa couverture.
Les humains ont une capacité étonnante à reconnaître un grand nombre de visages individuels et à interpréter les expressions faciales. Ces capacités jouent un rôle clé dans les interactions sociales humaines. Cependant, la façon dont le cerveau humain traite et stocke des informations visuelles aussi complexes est encore mal comprise.
Les scientifiques de Skoltech Anh-Huy Phan et Andrzej Cichocki, avec leurs collègues des États-Unis et du Japon, Sidney Lehky et Keiji Tanaka, ont cherché à mieux comprendre comment le cortex visuel traite et stocke les informations liées à la reconnaissance faciale. Leur approche était basée sur l'idée qu'un visage humain peut être conceptuellement représenté comme une collection de pièces ou de composants, y compris les yeux, sourcil, nez, bouche, etc. En utilisant une approche d'apprentissage automatique, ils ont appliqué un nouvel algorithme tensoriel pour décomposer les visages en un ensemble de composants ou d'images appelés tensorfaces, ainsi que leurs poids associés, et les visages représentés par des combinaisons linéaires de ces composants. De cette façon, ils ont construit un modèle mathématique décrivant le travail des neurones impliqués dans la reconnaissance faciale.
"Nous avons utilisé de nouvelles décompositions tensorielles pour représenter les visages comme un ensemble de composants avec une complexité spécifiée, qui peuvent être interprétées comme des cellules faciales modèles et indiquent que les représentations du visage humain consistent en un mélange de cellules faciales de complexité faible et moyenne, " a déclaré le professeur Skoltech Andrzej Cichocki.