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！

龙图腾网获悉辽宁大学申请的专利一种基于Gabor卷积和Transformer的学生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：CN117275065B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202311214324.0，技术领域涉及：G06V40/16；该发明授权一种基于Gabor卷积和Transformer的学生表情识别方法是由曲大鹏;杨天奇;郭伟嘉;吴俊;吕红设计研发完成，并于2023-09-20向国家知识产权局提交的专利申请。

本一种基于Gabor卷积和Transformer的学生表情识别方法在说明书摘要公布了：一个基于Gabor卷积和Transformer的学生表情识别模型，属于计算机视觉领域。针对复杂环境变化无法精准识别学生表情问题，发明了一个基于Gabor卷积和Transformer的学生表情识别模型。将Gabor卷积和Transformer的思想相结合，设计了一个特征提取块GVT‑blockGabor‑Vision‑Transformer‑block。通过Gabor卷积提取富含丰富纹理和边缘信息的面部局部特征，再利用Transformer提取特征之间的全局依赖关系，使得模型可以更好的学习面部关键特征，显著提高模型的分类效果。本发明得到的学生表情识别模型在RAF‑DB和FER2013Plus数据集上的准确率分别为88.56％和87.38％，并与多个模型进行对比实验和分析，验证了本发明效果的优越性。

本发明授权一种基于Gabor卷积和Transformer的学生表情识别方法在权利要求书中公布了：1.一种基于Gabor卷积和Transformer的学生表情识别方法，其特征在于，步骤如下： 1GC-Block模块对输入图像进行处理； 2采用包括Transformer模块和GC-Basic-Block模块的特征提取块GVT-Block，引入残差连接，通过backbone对特征图做更细粒度的特征提取和升维； backbone采用3*3的Gabor卷积对特征图做更细粒度的特征提取和升维，GVT-Block模块是由Transformer模块和GC-Basic-Block模块组成； Transformer模块使用包含较少参数的输入张量去学习局部和全局信息，建立远程非局部依赖的模型，同时拥有一个有效的H*W的接收域； 输入Transformer模块前首先对输入特征图进行升维，使用3*3的Gabor卷积进一步提取图像的局部特征，并将特征映射到更高维度；升维操作之后，又进行最大池化操作来缩小特征图的尺寸，最大池化操作通过选取最大值来减少特征图的空间维度和数量，具体流程如公式6所示： X＝maxpoolBNGCconv3*3f公式6 其中，maxpool为最大池化操作；为了使Transformer模块能够学习具有空间诱导偏差的全局表示，先对输入特征图进行unfold操作，unfold是将输入的特征图尺寸由[B,H,W,d]变为[B,P,N,d]，将特征图分割成一个个小块patch，并将每个切片展开成一个列向量再组合以便于输入到Transformer中；将每一列送入到Transformer中，利用自注意力机制计算列间的每个像素的attention，将感受野扩大，unfold的具体操作如公式7所示： X′＝unfoldX＝RH*W*d→RN*P*d公式7 其中，p＝H*W，N＝HWp为patch的数量，h≤N和w≤N分别为patch的高度和宽度，对于每个P∈{1,…,p}，应用Transformer对patch间关系进行处理，得到XG∈RP×N×d；公式如公式8所示： XGp＝TransformerXUp,1≤p≤P公式8 然后进行fold操作，将[B,P,N,d]还原成[B,h,W,d]，通过这个过程获取图片向量之间的注意力加权表示，得到特征图的全局依赖关系，表达式如公式9所示： X＝foldX′＝RN*P*d→RH*W*d公式9 得到提取了图片注意力加权表示的特征图后，再将特征图输入到GC-Basic-Block模块中；GC-Basic-Block模块由一个5*5的Gabor卷积和一个3*3的Gabor卷积组成； 3backbone重复4次以构建更深的网络； 4接入全局平均池化和全连接层实现图像的分类。

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辽宁大学，其通讯地址为：110000 辽宁省沈阳市沈北新区道义南大街58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”。