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;德清阿尔法创新研究院申请的专利一种基于静动态联合的卷积神经网络剪枝方法及装置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：CN119990229B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411859766.5，技术领域涉及：G06N3/082；该发明授权一种基于静动态联合的卷积神经网络剪枝方法及装置是由郭星;郭帆;李强;谈海生;杜皓华设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本一种基于静动态联合的卷积神经网络剪枝方法及装置在说明书摘要公布了：本发明公开了一种基于静动态联合的卷积神经网络剪枝方法及装置，其中方法包括：对卷积神经网络参数进行静态剪枝，筛选出权重低的参数进行剪除，优化卷积神经网络参数；在卷积神经网络训练过程中，根据输入样本的特定特征，动态评估剩余通道的重要性，对卷积神经网络参数进行动态剪枝再优化；静态剪枝联合动态剪枝，直至完成卷积神经网络剪枝。本发明将静态剪枝和动态剪枝相结合，充分利用了两种剪枝策略的互补优势，实现模型尺寸的缩减和计算效率的提升，同时尽量保持模型的性能不受损害，不仅比静态剪枝更加灵活，还比动态剪枝减少了额外的计算成本和时间开销。

本发明授权一种基于静动态联合的卷积神经网络剪枝方法及装置在权利要求书中公布了：1.一种基于静动态联合的卷积神经网络剪枝方法，其特征在于，包括： S1、对卷积神经网络参数进行静态剪枝，筛选出权重低的参数进行剪除，优化卷积神经网络参数； S2、在卷积神经网络训练过程中，根据输入样本的特定特征，动态评估剩余通道的重要性，对卷积神经网络参数进行动态剪枝再优化； S3、重复步骤S1～S2，直至完成卷积神经网络剪枝； 所述S2中在动态剪枝阶段，对通道注意力机制进行优化，动态评估剩余通道的重要性； 所述对通道注意力机制进行优化，动态评估剩余通道的重要性，包括步骤： S21、对于输入特征X∈RC*H*W，通过全局平均池化和全局最大池化，提取图像的全局特征Fa与纹理特征Fm，公式表示为： 其中，H为输入特征的高度，W为输入特征的宽度，Fa∈RC*1*1为输入特征的全局信息，Fm∈RC*1*1为输入特征中的纹理信息； S22、对Fa和Fm使用一维卷积实现通道间局部交互，使用Sigmoid激活函数计算注意力参数，拼接后产生第i层卷积层的注意力权重Fi： Fi＝σconvFa+σconvFm 其中，conv表示一维卷积，σ表示Sigmoid激活函数； 所述S2中对卷积神经网络参数进行动态剪枝再优化，包括 将动态剪枝生成的注意力权重Fi与静态剪枝得到的权重参数Wi'逐点相乘，得到权重参数 其中，i表示卷积层数，是经过静态剪枝处理后的卷积权重参数。

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;德清阿尔法创新研究院，其通讯地址为：230000 安徽省合肥市蜀山区九龙路111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。