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！

龙图腾网获悉浙江大学申请的专利联合迭代剪枝和知识蒸馏的面向目标检测的模型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：CN116563645B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202310723409.5，技术领域涉及：G06V10/764；该发明授权联合迭代剪枝和知识蒸馏的面向目标检测的模型压缩方法是由谢磊;谢文清;李至善;苏宏业设计研发完成，并于2023-06-16向国家知识产权局提交的专利申请。

本联合迭代剪枝和知识蒸馏的面向目标检测的模型压缩方法在说明书摘要公布了：本发明公开了一种联合迭代剪枝和知识蒸馏的面向目标检测的模型压缩方法。本方法引入助教网络模型，缓解教师网络与学生网络之间由于体量相差过大所造成的相反优化效果，在知识蒸馏过程中，助教网络与学生网络一起优化，使得模型压缩后的轻量化模型具有非常好的目标检测检测精度，易于模型部署在移动端或者嵌入式设备中执行目标检测任务。相比于其他一体式剪枝模型压缩方法，本方法的迭代剪枝策略能够在相同模型压缩率的基础上，使最终压缩得到的目标检测模型具有更少的精度丢失。

本发明授权联合迭代剪枝和知识蒸馏的面向目标检测的模型压缩方法在权利要求书中公布了：1.一种联合迭代剪枝和知识蒸馏的面向目标检测的模型压缩方法，其特征在于，包括以下步骤： S1、获取用于在目标检测任务中进行模型训练的图像数据集，且图像数据集中的图像样本均预先标注有待检测目标的类别以及位置； S2、利用所述图像数据集对教师网络进行指定轮次的迭代训练； S3、利用所述图像数据集对助教网络进行指定轮次的迭代训练，再对该助教网络进行稀疏训练；所述教师网络和助教网络均为目标检测网络，且助教网络相对于教师网络具有更简化的网络结构和更少的模型参数； S4、对稀疏训练后的助教网络迭代进行剪枝操作，从而压缩模型；且迭代剪枝过程中，在每次剪枝后对剪枝后模型进行再训练以减少其精度丢失，完成所有迭代轮次后获得学生网络； S5、使用S2中训练好的教师网络、S3中训练好的助教网络以及S4中获得的学生网络来进行知识蒸馏；且在知识蒸馏过程中，使用教师网络提供的知识不断优化助教网络和学生网络，最终知识蒸馏获得学生网络模型用于部署在工业移动设备或者嵌入式设备中执行目标检测任务； 所述S5中，知识蒸馏过程中助教网络以及学生网络会同时获得教师网络模型的知识从而得到优化，优化助教网络以及学生网络的损失函数分别如下： 助教网络的损失函数形式为： 其中，表示KL距离计算函数，表示交叉熵损失计算函数，表示网络输出的样本总数，表示网络输出的正样本数，表示助教网络针对第i个样本输出的分类结果，表示第i个样本的目标分类标签，表示教师网络针对第i个样本输出的分类结果，表示蒸馏损失权重； 学生网络的损失函数为分类损失以及回归损失之和，形式为： 其中，表示学生网络针对第i个样本输出的分类结果，表示学生网络针对第i个样本输出的预测框坐标结果，表示第i个样本的标注框坐标，表示助教网络针对第i个样本输出的预测框结果，表示教师网络针对第i个样本输出的预测框结果，表示蒸馏损失权重，表示阈值；表示计算的CIOULoss。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。