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！

龙图腾网获悉中南民族大学申请的专利协作学习下基于注意力机制的多模态情感识别方法及设备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：CN120597097B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202511100651.2，技术领域涉及：G06F18/2415；该发明授权协作学习下基于注意力机制的多模态情感识别方法及设备是由侯睿;杨明鑫;谢璟超设计研发完成，并于2025-08-07向国家知识产权局提交的专利申请。

本协作学习下基于注意力机制的多模态情感识别方法及设备在说明书摘要公布了：本发明公开了协作学习下基于注意力机制的多模态情感识别方法，获取样本和对应的情绪状态，基于样本生成训练集、验证集、以及测试集；构建协作学习多模态情感识别模型；定义协作学习多模态情感识别模型的损失函数；基于训练集对协作学习多模态情感识别模型训练；将待预测的样本输入到训练完成的协作学习多模态情感识别模型，输出对应的预测情绪状态。本发明提出结合多头自注意力机制和改进的高效加性注意力模块的特征融合方法，能够有效捕捉跨模态全局依赖关系和局部上下文一致性，从而实现更好的情感识别精度。

本发明授权协作学习下基于注意力机制的多模态情感识别方法及设备在权利要求书中公布了：1.协作学习下基于注意力机制的多模态情感识别方法，其特征在于，包括以下步骤： 步骤1、获取样本和对应的情绪状态，基于样本生成训练集、验证集、以及测试集，样本包括面部图像和对应的文本输入，文本输入包括TokenID、注意力掩码及段落标识结果； 步骤2、构建协作学习多模态情感识别模型，协作学习多模态情感识别模型包括特征提取器、特征融合模块、以及分类器，样本通过特征提取器提取特征，再通过特征融合模块进行融合，最终使用分类器进行分类，特征融合模块包括多头自注意力与加性注意力模块； 步骤3、定义协作学习多模态情感识别模型的损失函数； 步骤4、基于训练集对协作学习多模态情感识别模型训练； 步骤5、将待预测的样本输入到训练完成的协作学习多模态情感识别模型，输出对应的预测情绪状态， 所述步骤2中特征提取器包括BERT模型和VIT模型，BERT模型对文本输入进行特征提取得到文本特征，VIT模型对面部图像提取特征得到图像特征，使用全连接层对齐文本特征和图像特征的特征维度，获得特征和特征， 所述步骤2中特征融合模块包括多头自注意力与加性注意力模块，拼接特征和特征得到初步融合特征Fc： ； 获取自注意力头的权重矩阵，包括查询矩阵、键矩阵、值矩阵， ； 其中，·表示矩阵乘法，、、均为可学习的参数矩阵， 计算自注意力头的加权输出： ； 其中，特征维度是查询矩阵和键矩阵的列数，是矩阵的转置，Softmax为Softmax函数， 各个自注意力头的加权输出连接起来，最终获得融合特征： ； 其中，是输出权重矩阵，是自注意力头的数量， 获取新查询矩阵和新键矩阵 其中，为可学习的参数矩阵， 计算加性注意力权重 其中，是可学习的权重向量，是缩放因子，表示标量乘法， 计算归一化注意力权重 ； 其中，表示对加性注意力权重沿执行归一化操作， 计算全局上下文向量： ； 计算加权注意力输出： ； 其中，为投影函数，将向查询向量所在的表示空间投影， 将加权注意力输出作为输入，通过全连接层映射到类别空间，使用Softmax函数输出预测分类概率。

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中南民族大学，其通讯地址为：430074 湖北省武汉市民族大道182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。