由天津师范大学心理学部田雪博士课题组完成的论文“Decoding face identity: A reverse-correlation approach using deep learning”在Cognition发表。

面孔刺激为我们提供了关于个体身份、年龄、性别和情绪状态等的重要信息，这对于个体的社交活动至关重要。那么，在复杂的面孔识别任务中，我们究竟依赖哪些核心特征来做出判断呢？该研究采用反向相关方法，结合深度卷积神经网络（deep convolutional neural network，简称DCNN）的激活表征，旨在客观、精准地揭示面孔识别过程中的关键特征。具体而言，在VGG-Face模型的基础上，训练了一个能够执行面孔辨别任务的DCNN模型，命名为VGG-FD。在验证了VGG-FD具有人类相似的面孔辨别能力后，基于其输出结果，将刺激对划分为“击中”、“虚报”、“漏报”和“正确拒绝”四类。随后，通过计算“漏报”与“正确拒绝”刺激对之间、以及“击中”与“虚报”刺激对之间激活模式的绝对差异，并应用反向相关法进行重建，最终生成了揭示关键区分信息的“区分特征图”。基于此方法，研究发现，当面孔刺激在眼睛、眉毛和面孔中央区域的表征存在显著差异时，它们更易被判别为不同个体的面孔。这表明，面孔识别主要依赖于特定的局部面部特征（如眼睛和眉毛），以及对面孔整体构型起关键作用的面部中央区域。

该研究不仅为探究面孔识别的关键特征提供了新视角，也为未来利用深度卷积神经网络探索面孔加工的内在机制奠定了坚实基础。