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！

龙图腾网获悉西安理工大学申请的专利基于通道扩展与融合的循环胶囊网络多模态情感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：CN116502181B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202310567609.6，技术领域涉及：G06F18/25；该发明授权基于通道扩展与融合的循环胶囊网络多模态情感识别方法是由孙强;党鑫豪设计研发完成，并于2023-05-19向国家知识产权局提交的专利申请。

本基于通道扩展与融合的循环胶囊网络多模态情感识别方法在说明书摘要公布了：本发明公开了基于通道扩展与融合的循环胶囊网络多模态情感识别方法，具体为：从每个视频样本中分别提取音频模态特征序列、视觉模态特征序列和文本模态特征序列；将特征序列逐一输入时域卷积网络中，得到包含上下文信息的模态特征序列、视觉模态特征序列和文本模态特征序列；利用多通道可变形卷积网络从上述模态特征序列中逐一学习，得到包含高层语义信息的音频模态特征序列、视觉模态特征序列和文本模态特征序列，利用构建的多模态语义胶囊融合网络获取全局信息胶囊，并输入到双向长短期记忆网络中进行压缩，最后，送入密集层中进行多模态情感分类。本发明的基于通道扩展与融合的循环胶囊网络合理有效，能够达大大提高多模态情感识别的准确率。

本发明授权基于通道扩展与融合的循环胶囊网络多模态情感识别方法在权利要求书中公布了：1.基于通道扩展与融合的循环胶囊网络多模态情感识别方法，其特征在于，具体为：提取多个视频样本，并从每个视频样本中分别提取音频模态特征序列、视觉模态特征序列和文本模态特征序列；将上述模态特征序列逐一输入时域卷积网络中，分别得到包含上下文信息的模态特征序列、视觉模态特征序列和文本模态特征序列；利用多通道可变形卷积网络从上述模态特征序列中逐一学习，分别得到包含高层语义信息的音频模态特征序列、视觉模态特征序列和文本模态特征序列，利用构建的多模态语义胶囊融合网络获取全局信息胶囊，并输入到双向长短期记忆网络中进行压缩，最后，送入密集层中进行多模态情感分类；具体按照以下步骤实施： 步骤1、从多模态情感视频数据库中提取多个视频样本，从每个视频样本中分别提取音频模态特征序列视觉模态特征序列和文本模态特征序列 T为各模态特征序列的序列长度，da、dl和dv分别为音频模态、文本模态和视觉模态的特征向量维度； 步骤2、分别建立三个时域卷积网络，将每个视频样本的音频模态特征序列Za、视觉模态特征序列Zv和文本模态特征序列Zl分别送入对应时域卷积网络中，学习各模态特征序列的时域关系，各模态特征序列的特征向量维度被统一为d，最后，得到包含上下文信息的音频模态特征序列Xa、视觉模态特征序列Xv和文本模态特征序列Xl； 步骤3、构建L个多通道可变形卷积网络并按顺序堆叠在一起，每个多通道可变形卷积网络由三个“通道扩展”模块和一个“通道融合”模块组成；然后，将包含上下文信息的音频模态特征序列Xa、视觉模态特征序列Xv和文本模态特征序列Xl同时输入到堆叠的多通道可变形卷积网络中进行处理，得到包含高层语义信息的音频模态特征序列视觉模态特征序列和文本模态特征序列 步骤4、构建多模态语义胶囊融合网络，获得全局信息胶囊V； 步骤5、将全局语义胶囊V输入到双向长短期记忆网络中进行压缩，得到压缩的多模态融合 步骤6、将压缩的多模态融合送入密集层中进行多模态情感分类。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。