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！

龙图腾网获悉南京大学申请的专利一种面向分布外场景图像识别的稳健模型压缩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：CN119625088B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411675479.9，技术领域涉及：G06T9/00；该发明授权一种面向分布外场景图像识别的稳健模型压缩方法是由李宇峰;马誉哲;周志华设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种面向分布外场景图像识别的稳健模型压缩方法在说明书摘要公布了：本发明公开一种面向分布外场景图像识别的稳健模型压缩方法，一方面使用训练数据微调模型参数，继承分布内样本表征能力，另一方面结合避免过拟合方法，使用稀疏优化筛选参数保证对分布外样本的泛化能力，技术易实现、通用性较强。主要步骤包括：预剪枝阶段在特征处理部分和最终分类层前加入Dropout，并引入L1正则项调整原模型结构，增强稀疏性的同时避免后续剪枝造成过拟合；剪枝阶段屏蔽Dropout层，使用泰勒展开式评估所有参数在置零前后对模型损失的影响大小作为重要性指标；基于评估结果和压缩比，去掉重要程度最低的参数；最后通过微调恢复模型性能。评估参数和微调同时进行，不断根据当前参数做出评估，以适应参数调整带来的重要性变化。

本发明授权一种面向分布外场景图像识别的稳健模型压缩方法在权利要求书中公布了：1.一种面向分布外场景图像识别的稳健模型压缩方法，其特征在于，包括： 1获取待剪枝的原图像识别模型和数据集，其中原图像识别模型的训练方法包括已知的损失计算公式； 2调整原图像识别模型结构，在原图像识别模型的特征处理和最终分类层前加入Dropout，并引入L1正则项作为预剪枝阶段微调目标损失，使用原训练数据微调修改后的图像识别模型； 3屏蔽Dropout层，结合泰勒展开评估所有参数在置零前后对图像识别模型损失的影响大小作为重要性指标； 4基于评估结果，逐步筛选重要程度最低的参数直至满足剪枝率要求； 5通过微调恢复性能得到最终的图像识别模型； 将Dropout层置于批标准化层后和线性分类层前，在卷积层和分类层前均引入不同丢弃比例的Dropout，以解耦各神经元参数； 使用泰勒展开评估所有参数在置零前后对模型损失变化的影响大小作为重要性指标，其步骤为： 31将分类损失加Coral正则项作为评估依据中的损失； 32使用泰勒展开近似计算参数置零前后损失的变化大小； 33筛选出变化最小的参数即“最不重要参数”作为当前步待剪枝参数； 筛选最不重要参数的过程，与微调恢复性能同时进行，以获取经调整后针对当前参数的重要性指标；运算过程中每若干次迭代进行一次评估，将一部分参数去除，直至达到剪枝比例要求，而后再进行若干epoch的微调。

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南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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。