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！

龙图腾网获悉安徽大学申请的专利一种基于非线性池化与深度可分离卷积的适用于MCU部署的图像分类方法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：CN117197576B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202311208995.6，技术领域涉及：G06V10/764；该发明授权一种基于非线性池化与深度可分离卷积的适用于MCU部署的图像分类方法是由陈彦明;武钢;张以文设计研发完成，并于2023-09-19向国家知识产权局提交的专利申请。

本一种基于非线性池化与深度可分离卷积的适用于MCU部署的图像分类方法在说明书摘要公布了：本发明提供一种基于非线性池化与深度可分离卷积的适用于MCU部署的图像分类方法，涉及机器学习领域。该图像分类方法，具体包括以下步骤：步骤1.MCU‑BLOCK‑A的获取，对轻量化神经网络MobileNets的深度可分离卷积进行改进得到MCU‑BLOCK‑A，利用一个深度卷积和逐点卷积，并在它们之间加入了BN层和高效通道注意力机制，最后再增加一层深度卷积，并将输入与最后一层深度卷积输出进行残差连接，步骤2.MCU‑BLOCK‑B的获取，步骤3.结合非线性池化层构建模型。本发明所提出的模型参数量低、峰值内存占用少，满足大部分MCU资源需求，并取得了较好的分类性能。将机器学习模型在MCU上运行，可以避免将数据上传到云，极大地保护了数据隐私，加速实时处理和响应，大大减少了能源消耗。

本发明授权一种基于非线性池化与深度可分离卷积的适用于MCU部署的图像分类方法在权利要求书中公布了：1.一种基于非线性池化与深度可分离卷积的适用于MCU部署的图像分类方法，其特征在于，具体包括以下步骤： 步骤1.MCU-BLOCK-A的获取 对轻量化神经网络MobileNets的深度可分离卷积进行改进得到MCU-BLOCK-A，利用一个深度卷积和逐点卷积，并在它们之间加入了BN层和高效通道注意力机制，最后再增加一层深度卷积，并将输入与最后一层深度卷积输出进行残差连接； 步骤2.MCU-BLOCK-B的获取 基于步骤1中获取的MCU-BLOCK-A，在MCU-BLOCK-A的基础上去掉输入与最后一层深度卷积输出的残差连接，增加输入与逐点卷积输出的残差连接，并将连接后的输出与最后一层深度卷积的输出进行残差连接； 步骤3.非线性池化层的获取 基于非线性池化模块，将其应用在初始卷积层，对图片尺寸进行快速下采样，绕过中间的大激活层完成图像聚合计算衰减； 步骤4.模型构建 结合卷积、非线性池化、MCU-BLOCK-A、MCU-BLOCK-B模块进行模型的构建，权衡峰值内存、模型大小、计算量、准确率，具体包括： 1第一阶段，利用步距为2的卷积进行局部特征的提取； 2第二阶段，利用非线性池化沿图片中的行和列两个方向提取特征信息，然后将图片尺寸快速降低，保证CNN模型的峰值内存不高于MCU的静态随机存取存储器容量； 3第三阶段，经过若干个MCU-BLOCK-A模块进行提取特征； 4第四阶段，采用构建的MCU-BLOCK-B模块能够在较小的网络宽度和参数条件下，通过引入多个残差连接来增加其等效宽度，保证准确率； 5第五阶段，利用全局池化进行降维，最后通过全连接层得到分类结果； 步骤5.模型训练及部署 采用ImageNet数据集和视觉唤醒词数据集对模型进行训练和测试，并将在VWW数据集上训练好的模型部署到单片机上测试其性能。

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安徽大学，其通讯地址为：230000 安徽省合肥市肥西路3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”。