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！

龙图腾网获悉西安邮电大学申请的专利一种基于高阶递归注意力加权网络的人脸情绪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：CN116935472B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310922562.0，技术领域涉及：G06V40/16；该发明授权一种基于高阶递归注意力加权网络的人脸情绪识别方法是由包志强;赵雨欣;王一冉;潘若禹;高帆设计研发完成，并于2023-07-26向国家知识产权局提交的专利申请。

本一种基于高阶递归注意力加权网络的人脸情绪识别方法在说明书摘要公布了：本发明公开了一种基于高阶递归注意力加权网络的人脸情绪识别方法，是构建HRAM‑CNN网络模型并对其进行人脸情绪识别的学习训练，再将待识别的图像输入训练好的HRAM‑CNN网络模型中，对各个图像进行情绪判断；所述的HRAM‑CNN网络模型是将高阶递归注意力机制HRAM放入到卷积网络模型CNN的卷积层中。本发明有效结合VisionTransformer和CNN的优点，提供了一个将自注意力机制与通道注意力机制结合的高阶递归注意力机制，并提出使用大型7*7内核构建该注意力机制，有效地捕获了相邻信息，进一步增强了卷积过程特征提取的能力；将人脸情绪验证集经过训练好的网络，可以对各个验证图像进行情绪判断。

本发明授权一种基于高阶递归注意力加权网络的人脸情绪识别方法在权利要求书中公布了：1.一种基于高阶递归注意力加权网络的人脸情绪识别方法，其特征在于，是构建HRAM-CNN网络模型并对其进行人脸情绪识别的学习训练，再将待识别的图像输入训练好的HRAM-CNN网络模型中，对各个图像进行情绪判断； 所述的HRAM-CNN网络模型是将高阶递归注意力机制HRAM放入到卷积网络模型CNN的卷积层中；其中，CNN的输入层负责输入人脸情绪图像数据，卷积层负责提取图像数据特征，池化层负责对提取到的数据特征进行降维，全连接层是将降维的特征综合起来，输出层负责图像分类识别；在CNN卷积层的多个Block之后加入加入HRAM； 所述HRAM是在一阶空间相互作用基本操作后，通过引入高阶相互作用，构建三阶递归形式；设X∈RHW×C为输入特征，则HRAM的基本操作如式1所示: 其中，是执行信道混合的线性投影层，f表示深度卷积，H表示特征矩阵的高度，W表示特征矩阵的宽度，C表示特征矩阵的深度，Avgpool表示平均池化，Linear表示全连接，P0表示投影特征，q0表示它的邻居特征； Ωi是以i为中心的局部窗口，ω表示f的卷积权值。

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邮电大学，其通讯地址为：710086 陕西省西安市长安南路563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”。

以上内容由龙图腾AI智能生成。