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！

龙图腾网恭喜湖北工业大学申请的专利一种情感增益下特征互补的图像情感分类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：CN119360143B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202411927485.9，技术领域涉及：G06V10/764；该发明授权一种情感增益下特征互补的图像情感分类方法是由朱莉;李亚洲设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本一种情感增益下特征互补的图像情感分类方法在说明书摘要公布了：本发明涉及计算机视觉技术领域，且公开了一种情感增益下特征互补的图像情感分类方法，图像预处理，将图像数据集FI分为训练集A1和测试集A2，将训练集A1的图像进行随机缩放裁剪，最后得到448×448×3尺寸的图像集合B；且图像情感分类方法，通过为增强网络对于图像情感特征的挖掘能力，采用视觉注意力网络作为主干网络，并引入情感视觉注意力机制来提高模型对图像中情感细微差别的敏感性，为获取图像中的显著性特征和潜在性特征，一方面增强图像的显著性区域来获得显著性特征，另一方面抑制显著性区域来挖掘图像非显著性区域中的潜在性特征，最后将显著性特征和潜在性特征结合用于图像情感分类。

本发明授权一种情感增益下特征互补的图像情感分类方法在权利要求书中公布了：1.一种情感增益下特征互补的图像情感分类方法，其特征在于，包括以下步骤:S1:图像预处理，将图像数据集FI分为训练集A1和测试集A2，将训练集A1的图像进行随机缩放裁剪，最后得到448×448×3尺寸的图像集合B；S2:将448×448×3尺寸的图像集合B划分为16×16的图像块，通过vit网络模型先提取到16×16图像块的上下文和全局信息特征，通过情感增益的方法得到情感增益特征Xtemo，将上下文和全局信息特征与情感增益特征Xtemo融合得到图像特征X1；S3:对图像特征X1通过CBR卷积块得到显著性特征XE和通过潜在性特征挖掘的方法得到潜在性特征XS，然后将显著性特征接入到L个Transformer编码块，会获得最终的显著性特征XE1和L个潜在性特征,最后将这两种特征以互补的形式挖掘图像的情感特征，得到最终的情感特征XFIN；S4:将得到的情感特征XFIN输入到一个多层感知机分类头中，带有标签的图像集合B对多层感知机分类头进行训练，将测试集A2的测试图像经过固定尺寸放缩和中心裁剪的处理步骤后，输入到训练好的vit网络模型中，得到对应的情感类别；S5：取图像数据集Emotion6重复步骤S1-S4，得到对应的情感类别；所述步骤S2中的具体步骤为：S2.1：给定一个输入图像大小为448×448×3，将其分割成多个不重叠的图像块Pi，每个图像块的大小为16×16，设N为图像块的总数，每个图像块Pi表示为一个向量vecPi，对于每个图像块Pi，将其展平为一个维度为M的向量，为每个向量化的图像块vecPi添加位置嵌入Epos,i，再引入一个类别嵌入Ecls，最终得到16×16图像的上下文以及全局信息特征XP，表达式为： 其中,vecPi为每个向量化的图像块，Epos,i为位置嵌入，Ecls为类别嵌入；S2.2.1：使用ResNet50网络捕获图像集合B的空间特征Xres，表达式为： 其中，Bi为图像集合B中其中一个图像，尺寸为W×H×C，W为宽度，H为高度，C为通道数；S2.2.2：使用情感视觉注意力机制感知空间特征Xres的情感特征Xemo，表达式为： S2.2.3：使用包含一个1×1卷积、一个BN层和一个Relu激活函数的CBR卷积块增强空间特征Xres，得到增强后的空间特征Xcbn1，表达式为： 其中，Xcbn1为增强后的空间特征,K为卷积核大小，Conv表示卷积操作，BN为批量归一化操作，Relu为激活函数；S2.2.4：将情感特征Xemo与增强后的空间特征Xcbn1融合得到情感增益特征Xtemo，表达式为： S2.3:将上下文和全局信息特征与情感增益特征Xtemo融合得到图像特征X1，表达式为： 。

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湖北工业大学，其通讯地址为：430070 湖北省武汉市洪山区南李路28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”。