大连民族大学张秀峰获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉大连民族大学申请的专利一种基于深度学习的多特征表情识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115410254B 。
龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211031481.3,技术领域涉及:G06V40/16;该发明授权一种基于深度学习的多特征表情识别方法是由张秀峰;齐国斌;张宁;付兴魁设计研发完成,并于2022-08-26向国家知识产权局提交的专利申请。
本一种基于深度学习的多特征表情识别方法在说明书摘要公布了:一种基于深度学习的多特征表情识别方法,属于机器学习和深度学习技术领域,包括如下:获取包含人体和环境的清晰图像并进行简单的预处理,将图片压缩到640*640大小或小于这个大小的原色RGB图片,保留颜色通道,这里使用的是公开数据集Emotic表情识别数据集;整体网络的构成为目标检测网络并联场景信息识别网络,最后输出到分类网络,而目标检测网络由主干网络CSPdarknet53,特征提取的特征金字塔结构并联特征增强网络,最后输出人体的位置信息和01置信度信息,再送入分类网络和场景信息一起进行分类输出最终结果。本发明使用了多尺度的上下文信息提取模块,上下文注意力模块和内容注意力模块,实现了提升图片前景权重的目的,提升了图片中人的检测比重。
本发明授权一种基于深度学习的多特征表情识别方法在权利要求书中公布了:1.一种基于深度学习的多特征表情识别方法,其特征在于,包括如下步骤:获取包含人体和环境的清晰图像并进行预处理,将图片压缩到640*640大小或小于所述大小的原色RGB图片,保留颜色通道,使用公开数据集Emotic表情识别数据集; 整体网络的构成为目标检测网络并联场景信息识别网络,最后输出到分类网络,而目标检测网络由主干网络CSPdarknet53构成主干网络,特征提取的特征金字塔结构并联特征增强网络,最后输出人体的位置信息和01置信度信息,再送入分类网络和场景信息一起进行分类输出最终结果; 所述主干网络CSPdarknet53由多个残差结构组成,保持原生网络的输出不变,在其中的第三层残差块、第四层残差块和第五层残差块的输出之前,加入一个对多个尺度信息进行采集的空间金字塔池化,空间金字塔池化进行简化网络参数、融合多尺度信息;并在三层残差块、第四层残差块和第五层残差块输出三张大小分别为80*80,40*40和20*20的特征图,使特征提取网络进行采样整合,实现后续的特征提取过程; CSPdarknet53属于目标检测模型YOLO的主干网络,针对人体特征提取特性,在保证主干网络整体的参数量不额外增加的情况下,修改主干网络的损失函数为mish函数,加入全新的多特征池化分支以增强网络的多尺度感知能力; 所述特征增强网络使用空洞卷积和注意力机制,对人体目标进行多尺度的,高权重的特征提取,保证网络训练过程中能够多注意人体特征,突出人物主体; 采用并行多尺度空洞卷积和正采样结构对特征提取网络中经过通道规整后的特征图进行进一步特征提取; 多个尺度的空洞卷积将最大化的感知图片上不同大小的区域,并联上采样和全连接层后,最大化地保留原有的特征信息; 所述特征增强网络是一种模块化的附加网络,安插在主干网络的输出,特征金字塔结构的输出和特征金字塔结构的采样末端,包含一组全连接和上采样的简单输出网络和一组多个可变尺度的空洞卷积层,空洞卷积的大小皆为3×3,扩张率为3到24的可变值,并进行堆叠,扩大特征以学习可变的几何特征建模能力; 所述特征增强分为上下文信息提取模块,上下文注意力模块和内容注意力模块,在获得特征金字塔提取的特征映射后,利用丰富的上下文信息,将其输入到上下文信息提取模块中,上下文信息提取模块由不同扩张率的多路径空洞卷积组成,分离的卷积层在不同的感受野中获取多个特征映射; 在每个路径中引入可变形的卷积层,可变形的卷积层确保上下文信息提取模块从给定的数据中学习转换不变的特征。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人大连民族大学,其通讯地址为:116600 辽宁省大连市经济技术开发区辽河西路18号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。
请提出您的宝贵建议,有机会获取IP积分或其他奖励