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！

龙图腾网获悉北京航空航天大学申请的专利一种面向深度行人搜索模型的结构化剪枝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：CN117217282B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202311235935.3，技术领域涉及：G06N3/082；该发明授权一种面向深度行人搜索模型的结构化剪枝方法是由陈佳鑫;吴梓萌;王蕴红设计研发完成，并于2023-09-22向国家知识产权局提交的专利申请。

本一种面向深度行人搜索模型的结构化剪枝方法在说明书摘要公布了：本发明属于模型压缩技术领域，涉及一种面向深度行人搜索模型的结构化剪枝方法，包括：S1、准备图像数据集，完成数据预处理，进行数据集划分，构建待剪枝的行人搜索模型；S2、预训练待剪枝的所述行人搜索模型，直至所述行人搜索模型收敛；S3、初始化剪枝模块，设定目标压缩规模，进行耦合层分组和初始化；S4、对所述模型进行剪枝：计算通道重要性度量，结合卷积层位置和压缩规模确定可剪枝网络层；S5、微调剪枝后的模型，根据掩码删除通道对应的网络结构，训练剪枝后模型直至收敛；S6、将查询行人图像和候选图像输入到微调后的剪枝模型中，模型输出即为最终的推理结果。本发明提升了压缩后深度行人搜索模型的性能，降低精度损失。

本发明授权一种面向深度行人搜索模型的结构化剪枝方法在权利要求书中公布了：1.一种面向深度行人搜索模型的结构化剪枝方法，其特征在于，具体步骤包括： S1：准备图像数据集和构建待剪枝的行人搜索模型：进行图像数据集选取和图像预处理，并对所述图像数据集进行划分，基于卷积神经网络构建待剪枝的所述行人搜索模型； S2：预训练待剪枝的所述行人搜索模型：保持所述行人搜索模型原有的OIM损失函数和超参数的设置，迭代更新所述行人搜索模型的网络参数，直至所述行人搜索模型收敛； S3：初始化剪枝模块：所述剪枝模块包括子任务感知的通道重要性估计模块、通道数量均衡约束模块和可变OIM模块；设定目标剪枝规模，结合深度学习框架中自动构建的计算图结构对所述卷积神经网络的耦合层进行分组，将相同特征图输入下的卷积层分为一组耦合层；加载经过预训练的所述行人搜索模型的网络参数，并将步骤S2中所述OIM损失函数替换为可变OIM模块，初始化各所述剪枝模块的超参数； S4：对所述行人搜索模型进行剪枝，获得剪枝后的行人搜索模型：在剪枝阶段，剪枝过程迭代进行，每次剪枝一组耦合通道，所述耦合通道指耦合层中相同位置的通道，为保证激活传递的连续性，通过对所述耦合层共享剪枝掩码Mask，对所述耦合通道进行剪枝直至达到预定剪枝率；具体还包括，将输入数据前传，计算并更新所述子任务感知的通道重要性估计模块的通道重要性度量，所述通道重要性度量结合所述通道数量均衡约束模块共同确定可剪枝的通道；同时使用梯度更新所述行人搜索模型的网络参数，并更新所述剪枝模块的超参数，得到剪枝后的行人搜索模型； S5：微调剪枝后的行人搜索模型：在微调阶段，仅保留剪枝后的所述行人搜索模型和可变OIM模块，加载剪枝后所述行人搜索模型的网络参数，调整剪枝前的所述行人搜索模型的超参数，重新训练剪枝后的所述行人搜索模型直至收敛； S6：使用微调的剪枝后的所述行人搜索模型进行推理：将查询图像和候选图像分别输入到所述微调的剪枝后的所述行人搜索模型，对比两种图像输入所述微调的剪枝后的所述行人搜索模型后的输出结果，选出在所有候选图像里检测出的候选行人中身份特征与查询图像中行人最相似的行人，即为所述行人搜索模型的推理结果。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。