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！

龙图腾网获悉上海交通大学申请的专利计算机视觉神经网络中替换激活函数的重训练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：CN114118357B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202111191968.3，技术领域涉及：G06V10/82；该发明授权计算机视觉神经网络中替换激活函数的重训练方法及系统是由官惠泽;梁晓峣;景乃锋设计研发完成，并于2021-10-13向国家知识产权局提交的专利申请。

本计算机视觉神经网络中替换激活函数的重训练方法及系统在说明书摘要公布了：本发明提供了一种计算机视觉神经网络中替换激活函数的重训练方法及系统，涉及计算机视觉神经网络技术领域，该方法包括：单阶段的替换训练方法范式或两阶段的替换训练方法范式；所述单阶段的替换训练方法范式或所述两阶段的替换训练方法范式包括：指定训练方案参数后启动训练程序，再给出替换激活函数后的模型权重文件。本发明适用性良好，表现稳定，能够快速且稳定地把精度重训练至原模型精度接近的水准。

本发明授权计算机视觉神经网络中替换激活函数的重训练方法及系统在权利要求书中公布了：1.一种计算机视觉神经网络中替换激活函数的重训练方法，其特征在于，该训练方法用于图片分类、图片目标检测、图片语义分割、3D目标检测、3D语义分割、单目动态检测、单目深度预测、图片风格迁移中的至少一种，包括：单阶段的替换训练方法范式或两阶段的替换训练方法范式； 所述单阶段的替换训练方法范式或所述两阶段的替换训练方法范式包括：指定训练方案参数后启动训练程序，再给出替换激活函数后的模型权重文件； 所述单阶段的替换训练方法范式：指定好训练方案参数后启动训练程序，到程序结束后直接给出替换激活函数后的，接近于原模型精度的权重文件； 所述单阶段的替换训练方法范式具体包括： 步骤S1.1：确定优化器，优化器的选择能够直接根据原始模型所采用的优化器，或是通用的SGD优化器或AdamW优化器； 步骤S1.2：标定优化器超参数，在对模型替换激活函数前，以原始模型作为被训练模型，探索一个稳定的学习率优化器超参数，使得模型在训练迭代中能够维持精度； 步骤S1.3：分离归一化层可训练参数与模型其它的可训练参数； 步骤S1.4：为两类权重设置两种不同的学习率调度策略； 步骤S1.5：开始训练，直至训练达到预定的损失值\精度\Epoch； 所述两阶段的替换训练方法范式：整个训练过程分两步完成，首先指定好第一次的训练方案参数后启动训练程序，到程序结束后给出初步替换激活函数后的模型权重文件； 紧接着开始第二阶段的训练，载入上一步得到的权重文件，指定新的训练方案参数，启动训练程序，到程序结束后给出最终的替换激活函数后的模型权重文件； 所述两阶段的替换训练方法范式具体包括： 步骤S2.1：确定优化器，优化器的选择能够直接根据原始模型所采用的优化器，或是通用的SGD优化器或AdamW优化器； 步骤S2.2：标定优化器超参数，在对模型替换激活函数前，以原始模型作为被训练模型，探索一个稳定的学习率优化器超参数，使得模型在训练迭代中能够维持精度； 步骤S2.3：分离归一化层可训练参数与模型其它的可训练参数； 步骤S2.4：为两类权重设置两种不同的学习率调度策略； 步骤S2.5：开始第一阶段的训练，直至训练达到预定的损失值\精度\Epoch，存出第一阶段的权重； 步骤S2.6：重新初始化模型与优化器，载入步骤S2.5得到的权重，为优化器设置步骤S2.2得到的优化器产参数集合A，应用至全体可训练参数上； 步骤S2.7：开始训练，直至训练达到预定的损失值\精度\Epoch。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。