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！

龙图腾网获悉山东浪潮科学研究院有限公司申请的专利基于SqueezeNet的轻量级人脸识别方法及系统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：CN117275062B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202311185314.9，技术领域涉及：G06V40/16；该发明授权基于SqueezeNet的轻量级人脸识别方法及系统是由段强;宋晨;张吉臣;姜凯设计研发完成，并于2023-09-14向国家知识产权局提交的专利申请。

本基于SqueezeNet的轻量级人脸识别方法及系统在说明书摘要公布了：本发明公开了基于SqueezeNet的轻量级人脸识别方法及系统，属于人脸识别技术领域，本发明要解决的技术问题为如何减少网络，通过更紧凑网络的实现人脸识别，采用的技术方案为：对SqueezeNet网络进行改进；在MS‑Celeb‑1M数据集上对改进后的SqueezeNet网络进行预训练，完成100k回合的训练；随机抽取VGGFace2训练集上25％的数据对网络进行迭代修剪；利用VGGFace2训练集上90％的数据对修剪后的网络进行训练和评估，并对所得到的网络进行微调，以恢复由于滤波器去除而造成的潜在精度损失；利用VGGFace2训练集剩余的10％数据进行验证，将修剪好的网络部署在移动设备上。该系统包括改进模块、预训练模块、迭代修剪模块、微调模块及验证模块。

本发明授权基于SqueezeNet的轻量级人脸识别方法及系统在权利要求书中公布了：1.一种基于SqueezeNet的轻量级人脸识别方法，其特征在于，该方法具体如下： 对SqueezeNet网络进行改进； 在MS-Celeb-1M数据集上对改进后的SqueezeNet网络进行预训练，完成100k回合的训练； 随机抽取VGGFace2训练集上25％的数据对网络进行迭代修剪； 利用VGGFace2训练集上90％的数据对修剪后的网络进行训练和评估，并对所得到的网络进行微调，以恢复由于滤波器去除而造成的潜在精度损失； 利用VGGFace2训练集剩余的10％数据进行验证，将修剪好的网络部署在移动设备上； 其中，对SqueezeNet网络进行改进具体如下： 第一卷基层的步长设置为1，SqueezeNet网络输入为113×113；同时在卷积层和ReLU层之间添加了批量归一化； SqueezeNet网络采用Fire模块结构，一个Fire模块结构包括压缩squeeze阶段和扩展expand阶段；其中，压缩squeeze阶段使用1×1的卷积核减少输入特征图的通道数；在扩展expand阶段，同时使用1×1和3×3的卷积核扩展通道数； 对网络进行迭代修剪具体如下： 利用VGGFace2数据集作为训练集，VGGFace2数据集包含9131个不同人物的超过330万张图像，包含各种姿势、表情、光照条件和遮挡；在每次迭代中，随机选取VGGFace2训练集中25％的数据计算每个卷积滤波器的重要性分数；重要性分数定义为从网络中移除特定滤波器所引起的误差的平方变化； 对网络进行迭代修剪是利用一阶泰勒近似计算训练期间的梯度元素，迭代地去除重要性分数小的过滤器；具体如下： 对于给定一个参数为W＝{w0,w1,...,wM}的网络和一个由输入xi和输出yi对组成的训练集网络训练的目的是通过求解来最小化分类错误E；参数wm的重要性通过其在移除时对错误的影响来定义；在独立同分布假设下，诱导误差量化为具有和不具有参数的预测误差E的平方差： 每计算一个参数的需要评估一次网络；利用泰勒展开的一阶项在W附近近似来避免这种情况；其中是w的梯度g；梯度g从反向传播中获得，因此容易地计算为了计算一组参数WS的联合重要性，应用 优化器是SGDM，选取批大小为128，设置学习率为0.01；在小批量上进行梯度计算，通过梯度下降更新网络权重，计算每个滤波器的重要性，在每个回合结束时，将每个滤波器的重要性分数在小批量上取平均值，去除1％的分数最低的滤波器，在训练集上对网络进行迭代修剪，直至修剪完网络的40％，认定整个修剪任务结束；对不同修剪程度的网络的识别性能进行比较，选取识别率最高的修剪度对应的网络作为最终网络。

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山东浪潮科学研究院有限公司，其通讯地址为：250100 山东省济南市高新浪潮路1036号S02号楼；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。