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！

龙图腾网获悉中国科学院上海微系统与信息技术研究所申请的专利一种深度卷积网络的轻量化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：CN115965073B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202211564489.6，技术领域涉及：G06N3/082；该发明授权一种深度卷积网络的轻量化压缩方法是由王康如;朱冬晨;李嘉茂;王磊;张晓林设计研发完成，并于2022-12-07向国家知识产权局提交的专利申请。

本一种深度卷积网络的轻量化压缩方法在说明书摘要公布了：本发明涉及一种深度卷积网络的轻量化压缩方法，包括以下步骤：对第一网络模型的输出进行精简，并对第一网络模型的主干网络部分进行剪枝，得到第二网络模型；所述第一网络模型为训练好的深度卷积网络模型；对所述第二网络模型进行基于知识蒸馏和多分辨图像的微调训练；对所述第二网络模型进行模型剪枝，并生成第三网络模型，并对所述第三网络模型进行基于特征空间对齐和知识蒸馏的微调训练，并将训练好的第三网络模型作为最终模型。本发明能够在获得低分辨率输入、精简输出、结构轻量的网络模型的同时保证该网络的检测精度与鲁棒性。

本发明授权一种深度卷积网络的轻量化压缩方法在权利要求书中公布了：1.一种深度卷积网络的轻量化压缩方法，其特征在于，包括以下步骤： 1对第一网络模型的输出进行精简，并对第一网络模型的主干网络部分进行剪枝，得到第二网络模型；所述第一网络模型为训练好的深度卷积网络模型； 2对所述第二网络模型进行基于知识蒸馏和多分辨图像的微调训练，具体包括： 21将所述第一网络模型设置为第一教师网络，将所述第二网络模型设置为第一学生网络； 22利用所述第一教师网络对所述第一学生网络进行训练，并在每轮训练时，混合使用带真值的训练集图像和没有真值标注的图像；其中，利用所述第一教师网络对所述第一学生网络进行训练时，所述第一教师网络的输入为高为H，宽为W的原始图像；所述第一学生网络的输入为按照预设比例分布的与所述第一教师网络的输入相同的原始图像和经过处理的图像；所述经过处理的图像为由输入所述第一教师网络的图像进行N倍下采样，再通过填充操作生成的高为H、宽为W的图像； 23计算第一目标损失函数，驱动所述第一学生网络进行反向传播，调整所述第一学生网络的各层权值； 3对所述第二网络模型进行模型剪枝，并生成第三网络模型，并对所述第三网络模型进行基于特征空间对齐和知识蒸馏的微调训练，并将训练好的第三网络模型作为最终模型，具体包括： 31对所述第二网络模型进行模型剪枝，生成第三网络模型； 32将所述第二网络模型作为第二教师网络，将所述第三网络模型作为第二学生网络； 33利用所述第二教师网络对所述第二学生网络进行训练，并在每轮训练时，混合使用带真值的训练集图像和没有真值标注的图像； 34在所述第二教师网络和所述第二学生网络中选取对应的特征图，分别利用像素重组机制对第二学生网络的特征图进行上采样处理，对所述第二教师网络的特征图进行下采样处理，得到两组尺寸对应的特征图集合； 35针对得到的两组特征图集合中每个特征图，分别计算包含空间和通道上下依赖信息的特征图； 36计算第二目标损失函数，驱动所述第二学生网络进行反向传播，调整第二学生网络各层权值。

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中国科学院上海微系统与信息技术研究所，其通讯地址为：200050 上海市长宁区长宁路865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。