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！

龙图腾网获悉西安电子科技大学申请的专利基于特征融合的表情识别模型的训练方法及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：CN115690872B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202211201514.4，技术领域涉及：G06V40/16；该发明授权基于特征融合的表情识别模型的训练方法及识别方法是由田小林;范瑞杰;蒋益;焦李成设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本基于特征融合的表情识别模型的训练方法及识别方法在说明书摘要公布了：本发明公开了一种基于特征融合的表情识别模型的训练方法及识别方法，该方法包括：采用多张预处理图像训练特征提取网络；构建包括预训练的特征提取网络、翻转特征融合网络、分类网络和乱序融合网络的模型；每次选取多张预处理图像，将选取的图像和其翻转图像输入模型，通过翻转特征融合网络得到第一全局融合特征和翻转注意力损失；通过乱序特征融合网络得到第二全局融合特征；通过分类网络得到第一全局融合特征的分类损失和第二全局融合特征的乱序融合损失；根据这三个损失迭代调整模型参数，从而得到预训练的翻转特征融合网络和预训练的分类网络；将预训练的特征提取网络、预训练的翻转特征融合网络和预训练的分类网络组成的模型作为得到的模型。

本发明授权基于特征融合的表情识别模型的训练方法及识别方法在权利要求书中公布了：1.一种基于特征融合的表情识别模型的训练方法，其特征在于，包括： 对预先获取的训练集中的图像进行预处理，得到预处理图像； 采用所述训练集中的多张预处理图像，通过对比学习方法对特征提取网络进行训练，得到预训练的特征提取网络；所述预训练的特征提取网络用于拉近相同类别的图像的特征图在特征空间中的距离，推远不同类别的图像的特征图在特征空间中的距离； 根据所述预训练的特征提取网络构建初始表情识别模型；所述初始表情识别模型包括：所述预训练的特征提取网络、基于注意力的翻转特征融合网络、分类网络和乱序融合网络； 每次选取多张预处理图像作为原图像，对各张原图像翻转处理，得到各张原图像的翻转图像，将原图像和翻转图像输入所述初始表情识别模型； 通过所述预训练的特征提取网络得到所述每次输入的各张图像的第一特征图； 通过所述翻转特征融合网络得到所述第一特征图的第二特征图和注意力权重、包含各张原图像的第一融合特征的第一全局融合特征，以及翻转注意力损失；每张原图像的第一融合特征是根据该张原图像的第二特征图、注意力权重和该张原图像的翻转图像的第二特征图和注意力权重确定的；所述翻转注意力损失是根据各张原图像的注意力权重和各张原图像的翻转图像的注意力权重确定的；所述第二特征图和所述注意力权重的维度相同； 通过所述乱序特征融合网络将所述第一全局融合特征中不同的第一融合特征的顺序以预设顺序调整，得到第一乱序全局融合特征，并根据所述第一全局融合特征、所述第一全局融合特征对应的注意力权重、所述第一乱序全局融合特征、以及所述第一乱序全局融合特征对应的注意力权重，得到包含各个第二融合特征的第二全局融合特征； 通过所述分类网络分别得到所述第一全局融合特征对应的分类损失，以及所述第二全局融合特征对应的乱序融合损失； 根据每次得到的所述翻转注意力损失、所述分类损失和所述乱序融合损失，调整所述翻转特征融合网络和或所述分类网络，直至训练次数达到第一预设次数时，得到预训练的翻转特征融合网络和预训练的分类网络； 将所述预训练的特征提取网络、所述预训练的翻转特征融合网络和所述预训练的分类网络组成的模型，作为预训练的表情识别模型。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。