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！

龙图腾网获悉电子科技大学申请的专利用于自然场景文本检测的基于通道注意力的卷积神经网络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：CN116306886B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202310249533.2，技术领域涉及：G06N3/082；该发明授权用于自然场景文本检测的基于通道注意力的卷积神经网络剪枝方法是由何乃宇;李宏亮;周毓轩;谢晶晶;梁悦;刘黛瑶;孟凡满;吴庆波;许林峰;潘力立设计研发完成，并于2023-03-15向国家知识产权局提交的专利申请。

本用于自然场景文本检测的基于通道注意力的卷积神经网络剪枝方法在说明书摘要公布了：本发明提供一种用于自然场景文本检测的基于通道注意力的卷积神经网络剪枝方法，使用结构化剪枝方法，将不重要的卷积核整个剔除，可以在任意设备上实现参数压缩和计算加速。为保证目标检测的准确性，通过设计一个通道注意力打分模块来评估网络中各个卷积通道的重要性，在训练中仅保留重要性打分高于既定阈值的通道参与计算。由于打分模块的输出特征谱中抑制了即将被裁剪通道所对应的输出特征的幅值，即训练过程中冗余参数已经被剪去，则仅被保留的参数会参与下一层网络的计算，减轻计算量。本发明避免了手工设计评价指标；通道注意力打分模块具有即插即用的特性，适应性强；训练过程中非重要参数已经被抑制，极大地减少了细调剪枝网络所需时间。

本发明授权用于自然场景文本检测的基于通道注意力的卷积神经网络剪枝方法在权利要求书中公布了：1.用于自然场景文本检测的基于通道注意力的卷积神经网络剪枝方法，其特征在于，包括以下步骤： 步骤1：预训练用于自然场景文本检测的参数稠密的卷积神经网络； 步骤2：在所述卷积神经网络中添加通道注意力打分模块； 步骤3：使用自然场景文本检测训练集优化通道注意力打分模块的参数，直至到达预定迭代次数； 步骤4：使用自然场景文本检测测试集获得通道注意力打分模块中各通道的重要性打分； 步骤5：统计测试集所有样本下的通道重要性打分，计算重要性打分均值； 步骤6：确定阈值； 步骤7：将卷积神经网络中重要性均值打分小于阈值的通道所对应的卷积核进行剪枝； 步骤8：将剪枝之后的将卷积神经网络作为自然场景文本检测模型； 步骤9：使用自然场景文本检测训练集细调自然场景文本检测模型； 通道注意力打分模块包括全局平均池化层、全局最大池化层、卷积层、激活函数模块和缩放模块，其工作步骤包括： 1全局平均池化层接收输入的图像特征谱F，输出各个通道内特征平均值Avg至卷积层；全局最大池化层接收输入的图像特征谱F，输出各个通道内特征最大值Max至卷积层； 2卷积层将各个通道的Avg与Max求和后重新编码得到注意力得分S，输出各个通道的注意力得分S至激活函数； 3激活函数对各个通道的注意力得分S重新映射后获得各通道的重要性打分S'； 4缩放模块使用各通道的重要性打分S'对图像特征谱F进行加权，将加权结果作为通道注意力打分模块的输出特征F'＝F+F×S'。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。