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！

龙图腾网获悉吉林大学申请的专利一种基于空间注意力网络的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：CN116092146B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202211115161.6，技术领域涉及：G06V40/16；该发明授权一种基于空间注意力网络的人脸表情识别方法是由朴美兰;田昭旭设计研发完成，并于2022-09-14向国家知识产权局提交的专利申请。

本一种基于空间注意力网络的人脸表情识别方法在说明书摘要公布了：一种基于空间注意力网络的人脸表情识别方法，本发明涉及基于空间注意力网络的人脸表情识别方法。本发明的目的是为了解决现有空间注意力SA模块中的全局均值池化层抑制一些潜在的特征信息，导致人脸表情识别准确率低的问题。一种基于空间注意力网络的人脸表情识别方法具体过程为：步骤一、人脸图像预处理，获得人脸表情图像数据集；包括训练集和测试集；步骤二、对步骤一中获得的人脸表情图像数据集进行特征提取；步骤三、建立空间注意力模块，将步骤二提取到的特征输入到空间注意力模块，得到训练好的网络模型；步骤四、将步骤一中获得的人脸表情图像测试集输入训练好的网络模型，输出分类结果。本发明用于图像识别处理技术领域。

本发明授权一种基于空间注意力网络的人脸表情识别方法在权利要求书中公布了：1.一种基于空间注意力网络的人脸表情识别方法，其特征在于：所述方法具体过程为： 步骤一、人脸图像预处理，获得人脸表情图像数据集；包括训练集和测试集； 步骤二、对步骤一中获得的人脸表情图像数据集进行特征提取，提取到的特征记为X； 步骤三、建立空间注意力模块，将步骤二提取到的特征X输入到空间注意力模块，得到训练好的网络模型； 步骤四、将步骤一中获得的人脸表情图像测试集输入训练好的网络模型，输出分类结果； 所述步骤三中建立空间注意力网络模型，将步骤二提取到的特征X输入到空间注意力网络模型，输出分类结果；具体过程为： 步骤三一、将步骤二提取到的特征X进行子像素卷积上采样，再通过最大池化层进行下采样，具体过程为： 步骤三一一、将步骤二提取到的特征X中部分通道维度上相同位置的每个子特征点聚集在一起，映射到同一张特征图上，得到特征大小为32×4×7×4×7，32为特征通道数，第一个4×7为特征高度，第二个4×7为特征宽度； 步骤三一二、将映射得到的特征图通过最大池化层进行下采样，最大池化层窗口大小为4x4，最大池化层步长大小为4，即可得到与步骤二提取到的特征X尺寸相同的特征图M，特征图大小为32×7×7,32为特征图通道数，第一个7为特征图高度，第二个7为特征图宽度； M＝Maxpool2dpixelshuffler2 步骤三二、对特征图M分别进行全局均值池化和全局最大池化，过程为： 步骤三二一、对特征图M进行全局均值池化，得到特征图F1，特征图F1的大小为1×7×7,1为特征图F1通道数，第一个7为特征图F1高度，第二个7为特征图F1宽度；F1＝AvgPoolM； 步骤三二二、对特征图M进行全局最大池化，得到特征图F，特征图F的大小为1×7×7,1为特征图F通道数，第一个7为特征图F高度，第二个7为特征图F宽度；F＝MaxPoolM； 步骤三三、将特征图F和特征图F在通道维度上进行拼接得到F，将F输入到卷积核大小为7×7的卷积层进行降维，输出特征图大小为1×7×7,1为特征图通道数，第一个7为特征图高度，第二个7为特征图宽度； 再将大小为1×7×7的特征图依次经过BN、Sigmoid函数得到特征图N； F＝[F:F] N＝σBNconvF 其中Pixelshuffle表示子像素卷积上采样，r表示上采样因子；σ表示Sigmoid函数，Maxpool表示最大池化层，[F:F]表示将特征图F和特征图F在通道维度上进行拼接，conv表示卷积层； 步骤三四、将得到的特征图N与输入X进行逐个元素相乘，得到特征图Y，特征图Y大小为512×7×7,512为特征图Y通道数，第一个7为特征图Y高度，第二个7为特征图Y宽度； Y＝X*N 其中，*表示逐元素相乘； 步骤三五、将特征图Y送入全局均值池化层，得到特征图大小为512×1×1，再对大小为512×1×1的特征图进行展平送入全连接层进行降维，最后送入Softmax层得到分类结果y。

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吉林大学，其通讯地址为：130023 吉林省长春市南关区人民大街5988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。