基于跨层多尺度通道相互注意学习的人脸表情识别方法(高校公示15天)(不包年费滞纳金)(需要二变)
基于跨层多尺度通道相互注意学习的人脸表情识别方法属图像处理和模式识别技术领域,本发明使用CMSCMAL‑Net模型,完成对自然场景下人脸表情的识别,在表情模糊或存在遮挡情况下有较好的鲁棒性。本发明引入多尺度通道注意力机制改进主干网络,在局部特征和全局特征相结合的基础上保留和突出低层特征中的细微细节,同时将主干网络从浅到深划分成不同的阶段,浅层阶段学习低层的细节信息,深层阶段学习高级抽象语义信息,并采用渐进多步骤策略进行训练使不同阶段能够互补信息,提升模型的识别效果。本发明为人脸表情识别提供一种细粒度方向的模型,能够更好地捕捉到人脸表情的微妙变化,提高自然场景下人脸表情的识别率。
《基于跨层多尺度通道相互注意学习的人脸表情识别方法(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 2023109426973,当前法律状态为已下证,由吉林大学提出申请,发明人为王世刚;陈思妤;韦健;赵岩,申请日期为2023-07-31,公开(公告)日期为2026-05-12,国际专利分类号(IPC)为 G06V 40/16 (2022.01),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:基于跨层多尺度通道相互注意学习的人脸表情识别方法属图像处理和模式识别技术领域,本发明使用CMSCMAL‑Net模型,完成对自然场景下人脸表情的识别,在表情模糊或存在遮挡情况下有较好的鲁棒性。本发明引入多尺度通道注意力机制改进主干网络,在局部特征和全局特征相结合的基础上保留和突出低层特征中的细微细节,同时将主干网络从浅到深划分成不同的阶段,浅层阶段学习低层的细节信息,深层阶段学习高级抽象语义信息,并采用渐进多步骤策略进行训练使不同阶段能够互补信息,提升模型的识别效果。本发明为人脸表情识别提供一种细粒度方向的模型,能够更好地捕捉到人脸表情的微妙变化,提高自然场景下人脸表情的识别率。
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!
