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！

龙图腾网获悉中国海洋大学;浪潮软件科技有限公司申请的专利一种基于深度学习自动化剪枝的行人检测方法及系统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：CN120164191B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510644843.3，技术领域涉及：G06V20/58；该发明授权一种基于深度学习自动化剪枝的行人检测方法及系统是由于彦伟;井立宪;齐建鹏;张尧臣;董军宇设计研发完成，并于2025-05-20向国家知识产权局提交的专利申请。

本一种基于深度学习自动化剪枝的行人检测方法及系统在说明书摘要公布了：本发明涉及目标检测技术领域，尤其是涉及一种基于深度学习自动化剪枝的行人检测方法及系统。方法，包括获取行人图像数据；对获取的行人图像数据进行预处理；构建深度神经网络DNN模型；基于模式剪枝策略对DNN模型进行剪枝；将剪枝后的DNN模型部署到自动驾驶汽车上进行行人检测。与传统剪枝方法相比，所提方案在模型准确度损失极小甚至可部分恢复的同时，显著提升了计算效率及硬件加速兼容性。

本发明授权一种基于深度学习自动化剪枝的行人检测方法及系统在权利要求书中公布了：1.一种基于深度学习自动化剪枝的行人检测方法，其特征在于，包括： 获取行人图像数据； 对获取的行人图像数据进行预处理； 构建深度神经网络DNN模型； 基于模式剪枝策略对DNN模型进行剪枝； 将剪枝后的DNN模型部署到自动驾驶汽车上进行行人检测； 所述基于模式剪枝策略对DNN模型进行剪枝，包括初始化剪枝模式库并评估DNN模型压缩参数；将DNN模型建模为图结构并得到图嵌入表示；利用DRL根据图嵌入表示生成剪枝策略；对DNN模型执行剪枝策略后利用编译器进行编译优化，得到剪枝优化后的DNN模型； 所述初始化剪枝模式库并评估DNN模型压缩参数，包括结合权重参数的分布规律，设计按稀疏率分级的模式库，所述模式库中模式的稀疏率从100%均匀下降到0%，设置稀疏间隔Δ用于控制稀疏粒度，Δ=9即产生10种稀疏率，对应10类模式，通过计算DNN模型的压缩参数，以确定是否满足约束，并根据不满足约束的情况，则继续搜索剪枝策略； 所述将DNN模型建模为图结构并得到图嵌入表示，包括从DNN模型中提取网络拓扑结构信息，并将剪枝模式信息融入到图结构中，通过GNN方法得到模型的图嵌入表示，由DNN构建的图表示为，其中是节点集，是边集，子集表示与权重张量关联的节点，是输入张量节点集，是输出节点集，子集和对应于链接到的边，DNN不同层中的节点进一步划分为更细粒度的集合； 所述利用DRL根据图嵌入表示生成剪枝策略，包括将从图编码器获得的图嵌入作为环境状态传递给Agent，Agent获得的直接输出是模式库中模式的概率分布，因此其动作空间连续是连续的，再通过计算动作值，对选定的目标模式进行采样，以获得剪枝后的DNN模型；其中，利用函数作为多层感知机，负责从图表示嵌入中提取图表示信息，激活函数将的输出映射到区间，确定每个模式的选择概率即动作空间，最后，应用分类分布函数从概率分布中采样，将模式分配给DNN中的不同权重张量，产生一个新选择的模式库用于剪枝； 所述对DNN模型执行剪枝策略后利用编译器进行编译优化，包括当剪枝后的DNN模型满足约束条件后，对模型执行剪枝操作，将模型参数按照所分配的模式用0进行替换，得到剪枝后的DNN模型，同时由于剪枝后的DNN模型推理精度会下降，对剪枝后的DNN模型进行微调，以恢复其推理精度。

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国海洋大学;浪潮软件科技有限公司，其通讯地址为：266100 山东省青岛市崂山区松岭路238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”。