امین محمدیان - پژوهشگاه توسعه فناوریهای پیشرفته و دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران
حسن آقائی نیا - دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر، تهران، ایران
فرزاد توحیدخواه - دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر

ظاهر بروز واحدهای کنشی و  درد  در چهره ممکن است به طور قابل توجهی برای افراد مختلف متفاوت باشد. بنابراین توزیع احتمال داده های آموزشی و داده فرد جدید در حالتیکه لازم است مدل یادگیرنده مستقل از داده شخص جدید آموزش دیده باشد، متفاوت است. در این کار با فرض اینکه سبک افراد در بروز حالات علت تنوعات بین فردی است، روشهایی برای افزایش توانایی تعمیم مدل بازشناسی جلوه های کنشی چهره ارائه شده است. این روش ها بر اساس  مفهوم انتقال سبک یا تعدیل اثر سبک عمل می کنند. تفاوت روش پیشنهادی این است که در مقایسه با روشهایی که از نگاشت برای انتقال سبک استفاده می کنند، الگوریتم هایی را پیشنهاد داده است که در حین سادگی کارآیی مناسب داشته باشند. آزمایش هایی بر روی پایگاه داده UNBC-McMaster انجام شده تا نتایج روشهای پیشنهادی با کارهای قبل مقایسه شوند. نتایج نشان می دهد که این رویکرد می تواند در حین داشتن سرعت مناسب، به طور موثر نرخ شناسایی درد و واحدهای کنشی را در چهره بهبود دهد. بطوریکه بهترین متوسط نرخ بازشناسی واحدهای کنشی ۹۶.۸۴ (با معیار AUC) بوده و همان روش در شرایط داده تطبیق کم و داده تطبیق مناسب به ترتیب دارای نرخ بازشناسی درد  ۸۷.۳۰ و  ۹۳.۲۶ (با معیار AUC) بوده است.

بینایی ماشین, بازشناسی ژست و رفتار چهره, رفتار خودانگیخته چهره, تابع انتقال سبک