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！

龙图腾网获悉华南理工大学申请的专利一种基于可避免溢出的卷积结构的实现方法、装置及介质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：CN117350335B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202311227369.1，技术领域涉及：G06N3/0464；该发明授权一种基于可避免溢出的卷积结构的实现方法、装置及介质是由谭明奎;黎浩坤;李昌昊设计研发完成，并于2023-09-21向国家知识产权局提交的专利申请。

本一种基于可避免溢出的卷积结构的实现方法、装置及介质在说明书摘要公布了：本发明公开了一种基于可避免溢出的卷积结构的实现方法、装置及介质，属于计算机技术领域。其中方法包括：设计避免溢出的卷积结构；其中所述卷积结构将输入通道进行分组卷积，输出为分组卷积的累加；设计配套的量化感知训练方法，对于卷积结构中不同的参数，使用不同的方法进行量化。本发明提出使用低比特累加器的可避免数值溢出的卷积结构，以期在保持模型准确率的情况下，使用低比特位宽的累加器存储卷积中间结果，以进一步提高模型的推理效率。

本发明授权一种基于可避免溢出的卷积结构的实现方法、装置及介质在权利要求书中公布了：1.一种基于可避免溢出的卷积结构的实现方法，其特征在于，包括以下步骤： 设计避免溢出的卷积结构；其中所述卷积结构将输入通道进行分组卷积，输出为分组卷积的累加； 设计配套的量化感知训练方法，对于卷积结构中不同的参数，使用不同的方法进行量化，包括： 对于卷积结构中的激活值，使用layer-wise量化；对于卷积结构中的卷积参数，使用channel-wise量化； 量化后，执行全整型推理过程；其中在部署时把卷积结构中的BatchNorm层融入到与其相邻的前一层分组卷积中，因此推理过程不涉及BatchNorm运算； 所述量化为8比特量化；所述量化后，执行全整型推理过程，包括： 把输入特征和卷积参数量化为8比特整型： 经过第一步卷积得到中间分组卷积结果，并存储在16比特位宽的累加器中； 中间分组卷积结果经过Downscale过程，从16比特类型转换为8比特类型，然后对该8比特类型的中间量化特征值进行饱和投影； 将中间分组卷积结果相加，得到对应输出通道的16比特量化特征值，然后Downscale为8比特量化特征值，作为下一层的输入； 所述卷积结构的工作方式如下： 卷积层的输入通道数是，输出通道数是，卷积核尺寸是，卷积层参数的维度是，输入的特征的维度是，和分别是输入特征的长和宽；对输入通道进行分组，每组包含个输入通道，则分为个组； 对于输出通道，计算每个分组的卷积结果，=1,2,…,G； 把每个分组的卷积结果输入到BatchNorm层和激活层，并把属于同一输出通道的不同分组的卷积结果相加，得到卷积层的第个通道的输出特征； 所述卷积结果的计算公式如下： 式中，表示卷积运算；的维度是，表示当前卷积层的对应第个输出通道和第个输入通道的卷积核参数；的维度是，表示当前卷积层的第个输入通道的图像特征； 所述输出特征的计算公式如下： 式中，表示卷积结构中的归一化操作；表示卷积结构中的特征值激活操作。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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。