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！

龙图腾网恭喜湖北省三娃食品有限公司申请的专利一种线性自注意力的轻量化人脸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：CN117912083B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202410105719.5，技术领域涉及：G06V40/16；该发明授权一种线性自注意力的轻量化人脸表情识别方法是由周丽芳;江志程;李伟生设计研发完成，并于2024-01-25向国家知识产权局提交的专利申请。

本一种线性自注意力的轻量化人脸表情识别方法在说明书摘要公布了：本发明请求保护一种线性自注意力的轻量化人脸表情识别方法LSViT，旨在设计轻量化的人脸表情识别神经网络，属于模式识别领域。所述方法包括以下步骤：首先，针对视觉变换器ViT参数较多的问题，设计基于CNN和ViT的轻量级网络模型LSViT，通过采用多阶段局部‑全局特征并行处理操作，有效融合表情局部及全局特征，可以在大幅降低多头自注意力复杂度的同时提高表情识别准确性。其次，设计线性多头自注意模块充分捕捉表情各区域之间的关联性特征。此外，设计局部空间注意模块让网络在处理具有干扰因素的面部表情时能够更集中于关键信息。最后，设计鉴别损失以扩大类间距离和最小化类内距离，进一步提高表情识别准确性。

本发明授权一种线性自注意力的轻量化人脸表情识别方法在权利要求书中公布了：1.一种线性自注意力的轻量化人脸表情识别方法，其特征在于，包括以下步骤：步骤1、将人脸表情图像输入到表情识别网络中，经过3×3卷积后的初始特征分别馈送至全局线性自注意力模块和局部空间注意力模块中；步骤2、全局线性自注意力模块通过捕获不同表情区域斑块的长距离依赖来获得全局表情特征；步骤3、局部空间注意力模块通过MobileNext沙漏块以及池化操作来进行空间注意力加权，沙漏块执行身份映射和空间变换，经过沙漏块学习后的特征分别通过最大池化和平均池化操作获得表情重要区域的注意力分数，最后经过特征加权得到输出注意力特征图；步骤4、将多阶段特征提取操作学习的全局与局部表情特征进行融合，最后经过通道注意力模块进行通道特征加权后输入到分类器进行表情分类；所述步骤2具体包括：B1、将输入的低级特征x展平为特征序列，经过线性映射生成3个不同的特征令牌矩阵Q，K，V；B2、对于令牌矩阵Q，使用权重的线性层将Q中的每个令牌L映射为标量；这个线性投影是一个内积运算，计算令牌L和x之间的距离，从而得到一个k维向量；然后对该k维向量使用Softmax函数以产生上下文分数B3、将上下文分数cs对输入令牌矩阵K进行加权，产生对全局信息进行编码的上下文注意力矩阵Z；B4、最后，为了获得最终的全局特征，将经过深度卷积后的令牌矩阵V和上下文注意力矩阵Z进行哈达玛乘积得到最后的全局表情编码特征线性自注意力计算公式如下： 其中，λ表示缩放因子，⊙表示哈达玛乘积，DWConv表示深度卷积操作；所述D2的卷积核大小计算公式如下: 其中|t|odd表示最接近t的奇数，C表示输入特征通道数，γ表示特征权重，b表示偏置；所述步骤4还包括：网络整体在鉴别损失Di-Loss监督下进行，扩大类间距离并缩小类内距离，具体包括以下步骤：E1、分类损失函数softmax损失函数公式如下所示： 其中表示属于第j类的第i个样本的特征，表示第i个样本的权重矩阵，表示第j类的权重矩阵，bj表示偏置，N表示分类数量；E2、加性角度间隔损失ArcFace将Softmax损失的偏置置为0，令其中θj是权重矩阵和特征之间的夹角；随后，通过L2将权重∥∥Wj∥∥归一化，将∥xi∥归一化为缩放因子s；同时，ArcFace在类内和类间的距离之间添加了一个附加的角边距惩罚，以同时增强类内紧凑性和类间差异性；ArcFace损失函数公式如下所示： E3、设计了鉴别损失函数Di-Loss，该函数添加了一个基于L2范数的约束项以扩大表情间距离；DiLoss公式表示如下： 其中，m为每一批次中的表情样本总数，N为表情类别总数，cj为第j个表情类样本的中心，pj为第j个表情类样本在批次m中所占的比例，μ为平衡参数。

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省三娃食品有限公司，其通讯地址为：434200 湖北省荆州市松滋市新江口街道稻谷溪路松滋现代农博城26号楼101-108室；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”。