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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于注意机制和自蒸馏的面部表情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：CN116682161B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202310698751.4，技术领域涉及：G06V40/16；该发明授权一种基于注意机制和自蒸馏的面部表情识别方法是由张新;朱晋林;殷昱煜;周丽;孙茜茜设计研发完成，并于2023-06-13向国家知识产权局提交的专利申请。

本一种基于注意机制和自蒸馏的面部表情识别方法在说明书摘要公布了：本发明涉及一种基于注意机制和自蒸馏的面部表情识别方法，包括如下步骤：步骤1、构建面部表情识别数据集；步骤2、构建面部表情识别模型，该模型由特征提取模块、自适应通道注意模块、重塑模块和自蒸馏网络构成；步骤3、对输入的面部表情图像进行预处理；步骤4、利用上述面部表情识别数据集中训练集图像训练面部表情识别模型；步骤5、利用训练好的面部表情识别模型对数据集当中的测试集和验证集进行推理分类。该方法设计了一种合理高效面部表情识别方案，它通过注意机制的方式很好的引导模型去关注那些重要的特征信息；通过一种新的自蒸馏形式，提炼压缩了网络知识、提高了浅层网络输出特征的鲁棒性以及降低了推理阶段模型的复杂度。

本发明授权一种基于注意机制和自蒸馏的面部表情识别方法在权利要求书中公布了：1.一种基于注意机制和自蒸馏的面部表情识别方法，其特征在于包括如下步骤： S1.公共数据集拆分成为训练集、测试集和验证集，在训练集，测试集和验证集中均包含7种基本表情图像若干张； S2.构建面部表情识别模型，该模型包含特征提取模块、自适应通道注意模块、重塑模块和自蒸馏网络； 所述自蒸馏的形式为除最后一个基本块外，每个基本块都从它的下一个基本块中提炼知识，在自蒸馏时，由深到浅逐步进行蒸馏； S3.对模型输入的训练集、测试集和验证集的图像进行人脸对齐，并将其裁剪为固定的大小；对模型输入的训练集进行图像增强，用来防止模型过拟合； S4.将拆分好的训练集图像输入到构建好的面部表情识别模型中，对模型中可学习的参数进行训练和优化,直至训练到模型的准确度没有提升为止，具体训练过程包含以下子步骤： S41.将处理好的图像输入到特征提取模块中，将特征提取模块中每个基本块的输出特征图作为特征提取模块每个阶段输出的特征； S42.在每个基本块输出的特征图后面添加了自适应通道注意模块，在该模块中，首先利用最大池化和平均池化来对每个基本块输出的特征图的通道信息进行聚合，生成2个不同的通道向量；其次，利用自适应权重模块为生成对应的权重；然后，将和相乘后的特征与和相乘后的特征进行相加融合，得到最后的通道权重特征；最后，将得到的与输入特征图相乘得到最后的输出特征图，其计算公式为： ； ； ； ； ； ； 其中代表ReLU激活函数，，分别代表最大池化操作和平均池化操作，MLP*代表指定向量进入MLP后的输出，W*代表全连接层的参数； S43.利用重塑模块进一步提炼浅层基本块输出的特征并将每个基本块输出的特征最终映射到同一尺寸维度上得到，其计算公式为： ； 其中表示卷积操作，表示卷积核参数，BN和分别代表归一化层和激活层，c表示基本块的个数； S44.利用全连接层和softmax函数来计算每个对应的预测分数，其计算公式为： ； W代表全连接层的参数； S45.通过自蒸馏网络以及相应的蒸馏损失来对模型由深到浅逐步进行知识蒸馏； S5.对测试集和验证集中的图像进行推理，在推理阶段，移除自蒸馏以及注意模块，只用在训练阶段训练好的特征提取模块来对输入进行最终的预测，将处理好的训练集和测试集图像输入到模型中，得到相应的分类结果，结果为厌恶，快乐，生气，害怕，惊讶，悲伤，中性这7种基本表情中的一种。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。