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！

龙图腾网获悉电子科技大学重庆微电子产业技术研究院申请的专利一种图像处理器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：CN116187416B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202310174590.9，技术领域涉及：G06N3/082；该发明授权一种图像处理器是由王海;王樟华;陈磊;彭析竹;唐鹤设计研发完成，并于2023-02-28向国家知识产权局提交的专利申请。

本一种图像处理器在说明书摘要公布了：本发明涉及神经网络技术，特别涉及一种基于层剪枝灵敏度的迭代式重训练方法及一种图像处理器，方法包括初始化初始阈值和阈值增量；根据权重矩阵的绝对值之和及权重矩阵的深度计算缩放因子；利用缩放因子更新初始阈值和阈值增量，获取当前权值矩阵在进行重训练之前的输入和输出作为训练数据；根据初始阈值、阈值增量及精度因子计算剪枝阈值；根据剪枝阈值对权值矩阵进行剪枝，通过训练数据对剪枝后的权值矩阵进行重训练；判断剪枝后权值矩阵的误差是否在设定范围内，若在则令剪枝精度因子自加1；若精度不达标则判断是否还有其他矩阵需要进行剪枝操作，若有则切换到到剪枝的权值矩阵；本发明相较于现有方法计算各层权重矩阵的灵敏度的速度更快。

本发明授权一种图像处理器在权利要求书中公布了：1.一种图像处理器，其特征在于，包括：图像处理单元，用于将待处理的图像输入到剪枝后的神经网络中；基于层剪枝灵敏度的迭代重训练方法重训练后的神经网络中各层权值矩阵对待处理的图像进行图像处理，获得对应的处理结果，基于层剪枝灵敏度的迭代重训练方法重训练后的神经网络包括剪枝阈值计算单元、剪枝单元、重训练单元，其中：剪枝阈值计算单元，用于基于当前待剪枝的权值矩阵在神经网络中的深度及其该权值矩阵的绝对值计算剪枝灵敏度，利用剪枝灵敏度对当前权值矩阵进行训练的初始阈值和阈值增量进行更新，更新后利用其计算每次剪枝的剪枝阈值；剪枝单元，利用剪枝阈值对当前层进行剪枝操作；重训练单元，利用训练数据对剪枝后的神经网络进行训练；利用基于层剪枝灵敏度的迭代重训练方法对神经网络进行训练的过程包括： 101、开始进行重训练，初始化初始阈值和阈值增量； 102、根据当前待更新的权重矩阵的绝对值之和以及权重矩阵在网络中的深度计算当前权重矩阵的缩放因子，并初始化剪枝精度因子为0，权重矩阵的缩放因子的获取过程包括以下步骤： 计算当前权值矩阵中各个元素的绝对值之和； 获取当前权值矩阵的深度值，其中当前权值矩阵离输入层越近深度值越小、离输出层越近深度值越大； 根据深度值和矩阵中各个元素的绝对值之和计算剪枝灵敏度，即： 其中，st表示矩阵的剪枝灵敏度；sum表示矩阵的绝对值之和；β为平衡因子，0β1；x为当前权值矩阵的深度； 将当前权值矩阵的灵敏度与神经网络所有权值矩阵灵敏值之和的最小值之比值作为缩放因子的值； 103、利用缩放因子更新初始阈值和阈值增量，并获取当前权值矩阵在进行重训练之前的输入和输出作为训练数据； 104、根据步骤103更新得到的初始阈值和阈值增量，以及精度因子，计算剪枝阈值； 105、根据剪枝阈值对权值矩阵进行剪枝，通过训练数据对剪枝后的权值矩阵进行重训练； 106、判断剪枝后当前权值矩阵的误差是否在设定范围内，若在则令剪枝精度因子自加1，然后返回步骤104； 107、若精度不达标则判断是否还有其他矩阵需要进行剪枝操作，若有则切换到到剪枝的权值矩阵，并返回步骤102。

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电子科技大学重庆微电子产业技术研究院，其通讯地址为：401332 重庆市沙坪坝区西永微电园研发楼三期1号楼3单元；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”。