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！

龙图腾网获悉华南理工大学申请的专利标签-特征协同学习的多模态情绪识别方法、介质及设备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：CN120372526B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202510339138.2，技术领域涉及：G06F18/25；该发明授权标签-特征协同学习的多模态情绪识别方法、介质及设备是由张通;蔡明宸;陈俊龙设计研发完成，并于2025-03-21向国家知识产权局提交的专利申请。

本标签-特征协同学习的多模态情绪识别方法、介质及设备在说明书摘要公布了：本发明提供了一种标签‑特征协同学习的多模态情绪识别方法、介质及设备；方法为：采用多模态情绪识别模型来进行情绪识别；多模态情绪识别模型包括数据采集与预处理模块、情感特征提取器、自适应标签‑特征协同学习模块、多模态交互融合模块和情感分类器；数据采集与预处理模块采集与预处理行为信号和生理信号；情感特征提取器提取单模态情感特征；自适应标签‑特征协同学习模块自适应生成单模态标签，并进行单模态预测；多模态交互融合模块进行特征融合；情感分类器进行多模态预测得到情绪识别结果。该方法能够执行精准的情感标签到特征的语义对齐，以捕获各模态具有判别性的情感特征，有效缓解情感模糊性问题，并提高区分不同情绪的能力。

本发明授权标签-特征协同学习的多模态情绪识别方法、介质及设备在权利要求书中公布了：1.一种标签-特征协同学习的多模态情绪识别方法，其特征在于：采用多模态情绪识别模型来进行情绪识别； 所述多模态情绪识别模型包括数据采集与预处理模块、情感特征提取器、自适应标签-特征协同学习模块、多模态交互融合模块和情感分类器； 其中，数据采集与预处理模块用于采集与预处理受试者的行为信号x行为和生理信号x生理两种模态数据，并按时序对齐成多模态数据的样本对； 情感特征提取器和自适应标签-特征协同学习模块分别为两个，且分别对应行为信号x行为和生理信号x生理； 两个情感特征提取器分别对样本对中的行为信号x行为和生理信号x生理提取特征，得到两种单模态情感特征F单，单∈{行为，生理}； 两个自适应标签-特征协同学习模块分别将对应情感特征提取器得到的单模态情感特征F单自适应生成单模态标签，并对单模态情感特征F单进行预测得到单模态预测 多模态交互融合模块将两个情感特征提取器得到的单模态情感特征F单进行融合，采用多层次的跨模态交互块CMI来提升单模态情感特征F单的交互紧密性，获取全局多模态情感特征F多； 情感分类器对全局多模态情感特征F多进行预测得到多模态预测根据多模态预测得到情绪识别结果； 所述多模态情绪识别模型是经过训练的多模态情绪识别模型；在多模态情绪识别模型的训练过程中，将单模态预测和多模态预测同时作为优化目标； 所述多模态交互融合模块中，每个跨模态交互块CMI通过跨模态注意力实现；跨模态注意力计算中，设定查询Qt＝FtWQ，键Ks＝FsWK，值Vs＝FsWV；其中，WQ、WK、WV分别为权重；t为行为和生理中的其中一项，s为另一项；跨模态交互块CMI从源模态s到目标模态t的自适应交互为： 其中，dk是键Ks的维度大小； 所述多模态交互融合模块的跨模态交互块CMI为两层；每层均包括行为模态和生理模态分别对应的跨模态交互块CMI；每个跨模态交互块CMI的输出Ft″为： Ft′＝MHALNFt，LNFs+Ft Ft″＝FFNLNFt′+Ft′ 其中，LN·是层标准化操作；MHA·是多头注意力；FFN·是前向传播层； 将第一层跨模态交互块CMI的输出和逐元素相加合并为混合特征F混合： 其中，表示逐元素相加操作； 然后，将第二层跨模态交互块CMI的输出和以及混合特征F混合同时输入到Transformer编码器中，得到全局多模态情感特征F多： 其中，Concat·表示特征拼接操作，TransEnc·表示Transformer编码器。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。