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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于神经过程的自动微表情分类模型训练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：CN115019366B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202210587464.1，技术领域涉及：G06V40/16；该发明授权一种基于神经过程的自动微表情分类模型训练方法是由付晓峰;周楗波;孙曜;赵伟华;计忠平设计研发完成，并于2022-05-25向国家知识产权局提交的专利申请。

本一种基于神经过程的自动微表情分类模型训练方法在说明书摘要公布了：本发明涉及一种基于神经过程的自动微表情分类模型训练方法，包括如下步骤：抽取若干微表情图像作为微表情图像节点，并分为上下文节点和目标节点；对微表情图像节点进行特征提取，得到微表情特征信息；将上下文节点的微表情特征信息和真实标签输入编码器计算潜在特征信息，聚合潜在特征信息得到全局潜在变量；使用全局潜在变量在解码器中计算目标节点的表情预测标签；设定联合优化目标，使联合优化目标最小化。本发明的方法使用了神经过程，神经过程结合了神经网络和随机过程，能学习在函数上的分布，也能够根据上下文的观察估计其预测的不确定性。

本发明授权一种基于神经过程的自动微表情分类模型训练方法在权利要求书中公布了：1.一种基于神经过程的自动微表情分类模型训练方法，其特征在于，具体包括如下步骤：S1、从训练数据集的微表情视频帧中抽取若干微表情图像，分别作为微表情图像节点，并将所述若干微表情图像节点分为若干上下文节点和若干目标节点；S2、对所述微表情图像节点进行特征提取，得到若干微表情特征信息；S3、将所述若干上下文节点的微表情特征信息和真实标签输入编码器，分别计算每个所述上下文节点的微表情特征信息的潜在特征信息，并对全部所述潜在特征信息聚合得到全局潜在变量；S4、使用所述全局潜在变量在解码器中计算每个所述目标节点的微表情特征信息的表情预测标签；S5、设定最大化证据下限及输出分布的正则化损失函数为联合优化目标，使所述联合优化目标最小化；所述最大化证据下限的函数形式为： 其中，pyT|xT，z为在所述目标节点总集合T上的特征微表情特征信息为xT、潜在变量取样为z的情况下表情预测标签yT的取值概率，qΦz|C为在所述上下文节点集合为C的情况下得到潜在表示取样为z的概率；所述输出分布的正则化损失函数为： 其中，DKL·||·指两个分布的KL散度，指所述目标节点取样数量为nt时所述目标节点的预测标签yt的平均正态分布，Ny，1指目标节点的真实标签的正态分布形式。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市杭州经济技术开发区白杨街道2号大街1158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”。