摘要
本发明涉及一种基于类脑多模态层次化感知的情绪识别方法,本发明从类脑感知角度出发,模仿人脑对感知信息层次化处理的特性,构建了可统一处理多模态情绪信息的类脑计算模型,能够模拟人类处理多模态输入信息。模型集成了类脑感知机制和机器学习。首先基于真实人脑感知特性完成语音、视觉和文本的深层特征提取;接着通过设计的多模态多头注意力机制完成信息融合;最后利用决策层实现情绪分析。实验结果表明,此方法四分类识别精度分别可达83.7%,具有较好的应用前景。
技术关键词
情绪识别方法
面部表情特征提取
语音特征提取
梅尔频率倒谱系数
预测类别
多任务卷积神经网络
文本
语音信号提取
听觉
交叉注意力机制
多模态情绪
深层特征提取
多头注意力机制
融合特征
门控循环单元
GRU模型
前馈神经网络
系统为您推荐了相关专利信息
脑电信号特征提取
情绪识别方法
注意力
情绪识别模型
矩阵
电机故障检测方法
音频
梅尔频率倒谱系数
离散傅立叶变换
信号
噪声标签
遮挡检测方法
光伏组件
矩阵估计方法
特征提取模块
智能分拣方法
三维环境模型
机械臂末端执行器
逆运动学
坐标系
情绪识别方法
空间特征提取
焦点损失函数
特征提取模块
宽度学习系统