公开(公告)号：CN118334725B

公开(公告)日：2024-11-05

申请号：CN202410503115.6

申请日：2024-04-25

Applicant: 东北电力大学

Inventor： 奚洋 ,  孟天宇 ,  曲朝阳 ,  曹杰 ,  兰竹 ,  陈营

IPC: G06V40/16 ,  G06V40/18 ,  G06V10/25 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于多尺度空洞注意胶囊网络的情感识别方法，涉及计算机科学技术领域，括建立MDA‑CapsNet情感识别模型，所述MDA‑CapsNet情感识别模型包括以下模块：特征预提取模块，从输入的面部图像中捕获人脸的浅层特征；多尺度空洞注意模块，提取微小的面部肌肉变化到整体表情变化的详细信息，使网络在处理面部表情图像时，能够自动识别面部表情中最为关键的特征和区域等位置信息，此基于多尺度空洞注意胶囊网络的情感识别方法，从全局、局部和不连续面部区域提取显著情感特征的角度出发，提出了一个多尺度空洞注意胶囊网络，该网络能够在解决遮挡和面部姿态变化问题的基础上，捕捉不连续面部区域之间的显著相关特征，以提高面部情感识别的性能和鲁棒性。

公开(公告)号：CN117909786A

公开(公告)日：2024-04-19

申请号：CN202311781452.3

申请日：2023-12-22

Applicant: 东北电力大学

Inventor： 奚洋 ,  石鹏 ,  孟天宇 ,  王文静 ,  李奇

IPC: G06F18/24 ,  G06F18/214 ,  G06F18/25 ,  G06V10/26 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于EEG的左右手运动想象识别方法，属于脑电波技术领域。包括以下步骤：SwinTransformer；ScConv；SC‑SwinTransformerblocks。本发明采用上述的一种基于EEG的左右手运动想象识别方法，通过提取关键特征，显著提高了分类准确率，表现优于其他先进的深度学习模型。其他基于CNN的解决方案的研究相比，SC‑Swin的性能更高。利用通道组合方法重构脑电数据，使用3个通道(左右对称通道+中央线通道)通过小波变换转换为时频图作为网络的输入，大大减少了数据量的同时也避免了多通道数据输入相互干扰而导致的网络训练不稳定，使得模型更专注于时间特征和局部空间特征的学习。

公开(公告)号：CN119279611A

公开(公告)日：2025-01-10

申请号：CN202311536434.9

申请日：2023-11-17

Applicant: 东北电力大学

Inventor： 奚洋 ,  孟天宇 ,  曹杰 ,  曲朝阳 ,  王蕾 ,  兰竹 ,  陈营

IPC: A61B5/372 ,  A61B5/16 ,  G06F18/213 ,  G06F18/2131 ,  G06F18/25 ,  G06F18/241 ,  G06F18/10 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于EEG时空频特征融合的情感识别方法，包括：S1、对原始脑电信号进行了一系列预处理步骤，包括基线校正、标准化以及添加时间窗；S2、对上述S1处理过的脑电信号进行形式转换，以获得脑电信号的空间信息和时频信息；S3、进行多方面的特征提取；S4、融合所提取的情感特征，并进行多特征情感识别；S5、使用添加通道注意力机制的BILSTM进一步提取脑电信号的时间特征并进行特征的深度融合；S6、获取情感分类结果。本发明采用上述的一种基于EEG时空频特征融合的情感识别方法，充分考虑脑电信号的时频空三个维度的特征信息，在唤醒和效价维度上实现了最高的识别准确率，提高了情感识别准确性和鲁棒性，验证了本方法的有效性。

公开(公告)号：CN118334725A

公开(公告)日：2024-07-12

申请号：CN202410503115.6

申请日：2024-04-25

Applicant: 东北电力大学

Inventor： 奚洋 ,  孟天宇 ,  曲朝阳 ,  曹杰 ,  兰竹 ,  陈营

IPC: G06V40/16 ,  G06V40/18 ,  G06V10/25 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于多尺度空洞注意胶囊网络的情感识别方法，涉及计算机科学技术领域，括建立MDA‑CapsNet情感识别模型，所述MDA‑CapsNet情感识别模型包括以下模块：特征预提取模块，从输入的面部图像中捕获人脸的浅层特征；多尺度空洞注意模块，提取微小的面部肌肉变化到整体表情变化的详细信息，使网络在处理面部表情图像时，能够自动识别面部表情中最为关键的特征和区域等位置信息，此基于多尺度空洞注意胶囊网络的情感识别方法，从全局、局部和不连续面部区域提取显著情感特征的角度出发，提出了一个多尺度空洞注意胶囊网络，该网络能够在解决遮挡和面部姿态变化问题的基础上，捕捉不连续面部区域之间的显著相关特征，以提高面部情感识别的性能和鲁棒性。

公开(公告)号：CN117789249A

公开(公告)日：2024-03-29

申请号：CN202311781458.0

申请日：2023-12-22

Applicant: 东北电力大学

Inventor： 奚洋 ,  石鹏 ,  李奇 ,  孟天宇 ,  曲朝阳 ,  曹杰

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/26 ,  G06V10/40 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464

Abstract: 本发明公开了一种基于多通道fNIRS的运动想象分类方法，属于脑电波技术领域。包括以下步骤：近红外数据的图像生成，通过数据获取、数据处理生成近红外数据的图像；左右手运动想象分类，基于格拉姆角场图像，通过SwinTransformer设计简化模型、ScConv取代标准卷积和SC‑SwinTransformerblocks提取重要特征，实现左右手运动想象分类。本发明采用上述的一种基于多通道fNIRS的运动想象分类方法，提出了一个视觉fNIRS框架，结合了ScConv和Swin Transformer，并且引入了通道注意力机制，有助于获得带有通道注意力的特征图，使模型能更有效地聚焦于通道信。能够充分利用Swin Transformer在图像分类领域的优势，将最新的计算机视觉模型应用于近红外信号分类问题，为解决近红外分类问题提供了深度学习技术的可能性。