一种基于Transformer和显著图的时空区三流微表情识别方法(高校公示15天)(不包年费滞纳金)(需要二变)
发明专利本发明公开了一种基于Transformer和显著图的时空区三流微表情识别方法,包括:使用ResNet18从光流图中提取光流特征,将其传递给自注意力模块生成显著图;将显著图与微表情序列的峰值帧点乘,留下峰值帧中关键的微表情部分,利用ResNet18提取空间流特征后传递给自注意力模块;使用Vision Transformer从微表情起始帧中提取区域位置特征,包括人脸、五官区域位置信息;将光流特征、空间流特征和区域位置特征输入到Transformer,利用多头注意力机制进行特征融合,最后输入到softmax层进行分类。本发明最大程度上利用了微表情序列的起始帧和峰值帧,加强了各特征间的关联并且使得网络更加关注于人脸表情的细微运动变化。
《一种基于Transformer和显著图的时空区三流微表情识别方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2023116451128,当前法律状态为已下证,由南京邮电大学提出申请,发明人为闫静杰;李泽宇;周晓阳;包岩,申请日期为2023-12-04,公开(公告)日期为2024-04-30,国际专利分类号(IPC)为 G06V40/16(2022.01)I;G06V20/40(2022.01)I;G06V10/80(2022.01)I;G06V10/82(2022.01)I;G06N3/0464(2023.01)I,高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于Transformer和显著图的时空区三流微表情识别方法,包括:使用ResNet18从光流图中提取光流特征,将其传递给自注意力模块生成显著图;将显著图与微表情序列的峰值帧点乘,留下峰值帧中关键的微表情部分,利用ResNet18提取空间流特征后传递给自注意力模块;使用Vision Transformer从微表情起始帧中提取区域位置特征,包括人脸、五官区域位置信息;将光流特征、空间流特征和区域位置特征输入到Transformer,利用多头注意力机制进行特征融合,最后输入到softmax层进行分类。本发明最大程度上利用了微表情序列的起始帧和峰值帧,加强了各特征间的关联并且使得网络更加关注于人脸表情的细微运动变化。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
