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！

龙图腾网获悉中国科学院长春光学精密机械与物理研究所申请的专利目标检测深度学习网络量化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：CN120562490B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202511067960.4，技术领域涉及：G06N3/0495；该发明授权目标检测深度学习网络量化方法是由孙海江;苏海林;戴健;江山;张洋;常宏亮设计研发完成，并于2025-07-31向国家知识产权局提交的专利申请。

本目标检测深度学习网络量化方法在说明书摘要公布了：本发明涉及深度学习技术领域，尤其涉及一种目标检测深度学习网络量化方法，对训练后的待量化网络模型的初始权重矩阵进行仿射变换；利用渐扩掩码对仿射变换后的矩阵进行约束；根据约束后的矩阵，对初始权重矩阵进行权重变换，得到权重变换矩阵；利用约束后的矩阵对网络模型的激活函数进行补偿；构建并所述量化函数对权重变换矩阵进行量化，并计算此时的网络模型与待量化网络模型之间的量化损失；采用知识蒸馏方法对此时的网络模型进行引导训练，得到最终量化后的网络模型。本发明通过引入仿射变换将传统量化噪声模拟升级为高维空间的数学映射优化，结合知识蒸馏，保证在梯度传播连续性的同时，缓解量化误差引起的收敛点偏移。

本发明授权目标检测深度学习网络量化方法在权利要求书中公布了：1.一种目标检测深度学习网络量化方法，其特征在于，包括： S1：对于待量化网络模型进行训练，所述网络模型为图像网络模型，并定义学习参数矩阵；根据所述学习参数矩阵，构建训练后的网络模型中每一层的初始权重矩阵的对应仿射变换矩阵组； S2：基于步骤S1的仿射变换矩阵组构建渐扩掩码，并利用所述渐扩掩码对所述仿射变换矩阵组中的每个矩阵进行约束； S3：根据步骤S2约束后的矩阵，对步骤S1中初始权重矩阵进行权重变换，得到权重变换矩阵；利用步骤S2约束后的矩阵对S1中网络模型的激活函数进行补偿； S4：构建量化函数，利用所述量化函数对步骤S3得到的权重变换矩阵进行量化，结合步骤S3补偿后的激活函数，得到初步量化网络模型；计算所述初步量化网络模型与步骤S1训练后的网络模型之间的量化损失； S5：重复步骤S1~S4，直至所述量化损失收敛，此时得到的网络模型为学生模型；利用已有的教师模型对所述学生模型进行引导训练，得到最终量化后的网络模型； S6：将训练样本输入到步骤S5最终量化后的网络模型中，并进行不多于10次的训练，选择精度最高的网络模型；所述训练样本为图像训练样本。

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科学院长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888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”。

以上内容由龙图腾AI智能生成。