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！

龙图腾网获悉北方工业大学申请的专利结合卷积通道和卷积层收缩的图像分类模型压缩、应用方法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：CN120542490B 。

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：202510676785.2，技术领域涉及：G06N3/0495；该发明授权结合卷积通道和卷积层收缩的图像分类模型压缩、应用方法及介质是由庞枫骞;夏雨明;邢志强;李倩;贺云健设计研发完成，并于2025-05-26向国家知识产权局提交的专利申请。

本结合卷积通道和卷积层收缩的图像分类模型压缩、应用方法及介质在说明书摘要公布了：本申请公开了一种结合卷积通道和卷积层收缩的图像分类模型压缩、应用方法及介质，涉及人工智能领域，该方法包括：在图像分类模型的残差块的第一个卷积层之后串入通道收缩模块，在第二个卷积层之后串入层收缩模块；在训练的过程中，利用通道收缩模块和层收缩模块记录每一残差块的重要程度和每一残差块中每一卷积层的各输出通道的重要程度，从而根据残差块的重要程度和卷积层各通道重要程度重构图像分类模型。本申请能够对图像分类模型中的冗余层和低效通道进行动态裁剪，保留对图像分类任务影响程度高的网络结构，保证压缩后的模型性能基本保持不变的情况下，有效降低模型的结构复杂度，减少模型的参数数量，大幅降低模型的计算量。

本发明授权结合卷积通道和卷积层收缩的图像分类模型压缩、应用方法及介质在权利要求书中公布了：1.一种结合卷积通道和卷积层收缩的图像分类模型压缩方法，其特征在于，包括： 获取初始的图像分类模型；所述初始的图像分类模型中包括固定的起始端网络结构、固定的末端网络结构和设于起始端网络结构和末端网络结构之间的若干个残差块；所述残差块包括两个卷积层； 在每一残差块的第一个卷积层之后串入通道收缩模块，在第二个卷积层之后串入层收缩模块，得出改进后的图像分类模型；所述通道收缩模块，用于利用软阈值法计算第一自适应阈值，动态筛选出第一自适应阈值与通道收缩模块的输入特征值中绝对值较小的数据进行输出，并得到第一个卷积层中各输出通道的重要程度；所述层收缩模块，用于利用软阈值法计算第二自适应阈值，动态筛选出第二自适应阈值与层收缩模块的输入特征值中绝对值较小的数据进行输出，并得到第二个卷积层中各输出通道的重要程度以及所属残差块的重要程度； 利用目标图像训练集对所述改进后的图像分类模型进行训练，并在训练过程中，记录多个预设迭代次数时对应的每一残差块的重要程度和每一残差块中每一卷积层的各输出通道的重要程度； 根据多个预设迭代次数时对应的每一残差块的重要程度和每一残差块中每一卷积层的各输出通道的重要程度对初始的图像分类模型进行重构，得出重构图像分类模型；所述重构图像分类模型用于对待处理图像进行分类。

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方工业大学，其通讯地址为：100041 北京市石景山区晋元庄路5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。