買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉廣州畫魂網(wǎng)絡(luò)科技有限公司申請的專利一種基于區(qū)域自注意力卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識(shí)別方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114842534B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-13發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210492125.5，技術(shù)領(lǐng)域涉及：G06V40/16；該發(fā)明授權(quán)一種基于區(qū)域自注意力卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識(shí)別方法是由周麗芳;王懿;江志程;丁相;栗思秦;鄧廣設(shè)計(jì)研發(fā)完成，并于2022-05-07向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本一種基于區(qū)域自注意力卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識(shí)別方法在說明書摘要公布了：本發(fā)明請求保護(hù)一種基于區(qū)域自注意力卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識(shí)別方法，屬于模式識(shí)別與計(jì)算機(jī)視覺技術(shù)領(lǐng)域包括以下步驟：首先，利用VGG16網(wǎng)絡(luò)提取輸入圖像的深度全局特征，在提取特征的同時(shí)保留面部表情的全局信息。其次，通過設(shè)計(jì)的區(qū)域局部多值模式與改進(jìn)的K?means算法對像素進(jìn)行動(dòng)態(tài)聚類，保證表情變化區(qū)域特征的魯棒性，并將二值模式擴(kuò)展到多個(gè)模式，整合區(qū)域內(nèi)像素間的灰度差信息，增強(qiáng)紋理描述。此外，通過自注意機(jī)制形成區(qū)域權(quán)值，并使用秩正則化損失約束不同區(qū)域的權(quán)值。最后，將加權(quán)特征與深度網(wǎng)絡(luò)提取的特征相結(jié)合，增強(qiáng)特征的表征能力。本發(fā)明旨在建立一個(gè)魯棒的人臉表情識(shí)別網(wǎng)絡(luò)來準(zhǔn)確地估計(jì)真實(shí)環(huán)境中面部表情的類別。

本發(fā)明授權(quán)一種基于區(qū)域自注意力卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識(shí)別方法在權(quán)利要求書中公布了：1.一種基于區(qū)域自注意力卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識(shí)別方法，其特征在于，包括以下步驟：步驟1：將原始表情圖像輸入到以VGG16為基礎(chǔ)的特征提取網(wǎng)絡(luò)，提取輸入表情圖像的深度全局特征；步驟2：設(shè)計(jì)區(qū)域局部多值模式，將原始表情圖像輸入到區(qū)域局部多值模式對區(qū)域紋理進(jìn)行增強(qiáng)；其中，所述的區(qū)域局部多值模式利用改進(jìn)的K-means算法對像素進(jìn)行動(dòng)態(tài)聚類；在改進(jìn)的K-means算法中，首先計(jì)算每個(gè)數(shù)據(jù)點(diǎn)到原點(diǎn)的距離；然后，根據(jù)排序后的距離對原始數(shù)據(jù)點(diǎn)進(jìn)行排序，將排序后的數(shù)據(jù)點(diǎn)劃分為k個(gè)相等的集合，每組中以中間點(diǎn)為初始質(zhì)心；這些初始質(zhì)心獲得更好的獨(dú)特聚類結(jié)果；通過改進(jìn)的K-means算法能夠保證表情變化區(qū)域特征的魯棒性，并將二值模式擴(kuò)展到k個(gè)模式，整合區(qū)域內(nèi)像素間的灰度差信息，增強(qiáng)區(qū)域紋理特征；步驟3：將增強(qiáng)過的區(qū)域紋理特征輸入到區(qū)域自注意模塊，區(qū)域自注意模塊包含區(qū)域自注意機(jī)制和秩正則化損失，區(qū)域自注意機(jī)制增強(qiáng)表情顯著變化區(qū)域特征的權(quán)重，量化不同區(qū)域?qū)Ρ砬樽R(shí)別的貢獻(xiàn)，得到增強(qiáng)后的區(qū)域紋理注意特征；而秩正則化損失被用來約束不同區(qū)域的權(quán)重，使不同區(qū)域的權(quán)重值更有區(qū)分度；步驟4：將步驟3提取到的區(qū)域加權(quán)特征與VGG網(wǎng)絡(luò)提取的深度全局特征進(jìn)行融合；所述步驟3，將增強(qiáng)過的區(qū)域紋理特征輸入到區(qū)域自注意模塊，區(qū)域自注意模塊包含區(qū)域自注意機(jī)制和秩正則化損失，區(qū)域自注意機(jī)制增強(qiáng)表情顯著變化區(qū)域特征的權(quán)重，量化不同區(qū)域?qū)Ρ砬樽R(shí)別的貢獻(xiàn)，得到增強(qiáng)后的區(qū)域紋理注意特征；而秩正則化損失被用來約束不同區(qū)域的權(quán)重，使不同區(qū)域的權(quán)重值更有區(qū)分度；具體包含以下步驟：C1：將在B4步驟中得到的魯棒的特征表示Fr輸入到降維卷積神經(jīng)網(wǎng)絡(luò)，得到每個(gè)區(qū)域的深度特征圖，定義輸入的區(qū)域紋理圖像為I1,I2,…,I9，降維卷積神經(jīng)網(wǎng)絡(luò)的定義如下：X＝[F1,F2,…,F9]＝[VI1；θ,VI2；θ,…,VI9；θ]4其中V·；θ為降維卷積神經(jīng)網(wǎng)絡(luò)，θ為降維卷積神經(jīng)網(wǎng)絡(luò)中的參數(shù)，X是通過降維卷積神經(jīng)網(wǎng)絡(luò)提取到的區(qū)域特征集合；C2：為了得到每個(gè)區(qū)域在人臉表情識(shí)別任務(wù)中的貢獻(xiàn)，利用自我注意機(jī)制獲取每個(gè)區(qū)域的權(quán)重，通過FC和Sigmoid函數(shù)計(jì)算特征的粗略權(quán)值，定義如下：W＝[a1,a2,…,ak]＝[fF1Tq,fF2Tq,…,fF9Tq]5其中ai表示第i個(gè)區(qū)域的權(quán)值，f表示Sigmoid函數(shù)，q表示全連接層的參數(shù)，將所有具有注意權(quán)重的局部特征歸納為一個(gè)整體表示Fm，其定義如下： 這里，s表示特征塊之間的級聯(lián)操作；C3：引用秩正則化損失RRLoss來約束不同區(qū)域的權(quán)值；首先對不同區(qū)域的權(quán)重進(jìn)行排序，然后按照一定的比例將其分為高權(quán)重組和低權(quán)重組；其次，計(jì)算高、低權(quán)重組的平均權(quán)重，分別用ahigh和alow表示；在RRLoss中添加差值M以限制這些組的平均權(quán)重，其定義如下所示： LRR＝max{0,M-ahigh-alow}9Ghigh和Glow分別表示高權(quán)重組和低權(quán)重組的權(quán)重均值，λ表示高權(quán)重組所占的比例，N表示區(qū)域的個(gè)數(shù)；M是一個(gè)差值，它是一個(gè)固定的可學(xué)習(xí)參數(shù)或超參數(shù)，LRR用于增強(qiáng)區(qū)域關(guān)注的權(quán)重，鼓勵(lì)網(wǎng)絡(luò)在訓(xùn)練過程中優(yōu)先關(guān)注表情變化區(qū)域。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人廣州畫魂網(wǎng)絡(luò)科技有限公司，其通訊地址為：510000 廣東省廣州市天河區(qū)天河北路721號三樓自編01-255房；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。