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！

龙图腾网获悉吉林大学申请的专利一种基于注意力机制的古筝演奏手型的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：CN116704604B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310648225.7，技术领域涉及：G06V40/20；该发明授权一种基于注意力机制的古筝演奏手型的识别方法是由王世刚;赵文婷;赵岩;韦健设计研发完成，并于2023-06-02向国家知识产权局提交的专利申请。

本一种基于注意力机制的古筝演奏手型的识别方法在说明书摘要公布了：一种基于注意力机制的古筝演奏手型的识别方法属计算机视觉和乐器演奏的交叉学科技术领域，本发明的方法分为分类量表的制定、数据集的构建、识别网络的设计三个步骤。首先，在分类量表制定时融合了古筝手型教学要求和图像识别技术特点。其次，采用了基于自由视角的图像采集方式并通过图像数据增强构建古筝手型数据集。最后，利用迁移学习和深度神经网络，引入多维注意力机制，设计了基于注意力机制的古筝演奏手型识别网络。实际效果表明，本发明提出的基于注意力机制的古筝演奏手型识别方法具有可行性和有效性，能够实现对古筝演奏手型的智能识别，对古筝演奏者演奏水平的提高，具有实际的指导作用。

本发明授权一种基于注意力机制的古筝演奏手型的识别方法在权利要求书中公布了：1.一种基于注意力机制的古筝演奏手型的识别方法，其特征在于包括下列步骤： 1制定融合古筝教学手型要求与图像识别技术的古筝演奏手型分类量表： 根据专家在古筝教学中的先验知识和实践经验，结合机器视觉中的图像分析技术，将对古筝演奏基本手型规范的描述性语言转化为数学模型，制定古筝演奏基本手型分类量表，具体为： 古筝演奏手型的分类量表包括9种类别：从正面A视角、左侧B视角、右侧C视角，分别采集正确古筝演奏手型图像，归为A1、B1、C1三种类别子集；从正面A视角、左侧B视角、右侧C视角，分别采集错误的古筝演奏手型图像，归为A2、B2、B3、C2、C3五种类别子集；其他非上述类别归为D类别子集； 2构建基于自由视角采集的古筝演奏手型图像数据集，包括下列步骤： 2.1基于自由视角采集：在所制定的古筝基本手型分类量表的指导下，利用图像采集设备，针对古筝演奏者的手型姿态，采用基于自由视角的采集方式，获取古筝演奏手型图像；被采集者涵盖不同的年龄层，性别比例均衡，演奏水平基本符合实际需求的分布，采集设备选用移动自由相机； 2.2数据增强：结合现实应用中的复杂拍摄环境的需求，利用数据增强技术，采用旋转、调整亮度、对比度、饱和度的方式，针对实采图像进行数据增强扩充，其中，旋转对应手持相机无法保持绝对水平，亮度对比度饱和度对应现实中光照的复杂情况； 2.3构建数据集：依据制定的融合古筝教学手型要求与图像识别技术的古筝演奏手型分类量表，利用基于自由视角采集并经过数据增强的图像数据，构建古筝演奏手型图像数据集； 3基于注意力机制的古筝演奏手型识别，包括下列步骤： 3.1主干网络：采用基于深度神经网络的图像识别网络ResNet50作为古筝演奏手型分类识别的骨干网络； 3.2迁移学习：采用改进的二次迁移学习方式，根据目标任务的相关性，将预训练模型的参数迁移到当前网络；目标域为所构建的古筝演奏手型数据集，源域为ImageNet数据库，引入公开的手势识别数据库作为间接域；针对细粒度古筝演奏手型图像数据集，通过粗粒度手型图像数据库进行二次迁移学习；在ImageNet数据库上进行预训练，得到初始权重，再利用手势识别数据库进行二次训练，得到二次权重，将其迁移到当前古筝演奏手型图像识别任务中；先更好地学习手的特征的粗学习，再进行古筝演奏手型的精细学习； 3.3注意力机制：引入多维注意力机制，采用空间注意力和通道注意力以及特征注意力相联合的模式，分别对空间像素、通道、特征图进行加权融合，将不同层特征图抽取融合后反作用于输入,而对于高维的中间特征图，沿着空间和通道两个维度依次训练出注意力权重，然后与原特征图相乘来对特征进行自适应调整，提高古筝演奏手型分类识别的准确率。

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吉林大学，其通讯地址为：130012 吉林省长春市长春高新技术产业开发区前进大街2699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。