南京邮电大学王彩玲获国家专利权
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！
龙图腾网获悉南京邮电大学申请的专利一种基于特征图线性依赖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：CN114494478B 。
龙图腾网通过国家知识产权局官网在2026-02-24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：202210191948.4，技术领域涉及：G06T9/00；该发明授权一种基于特征图线性依赖的模型压缩方法是由王彩玲;王炯;蒋国平设计研发完成，并于2022-02-28向国家知识产权局提交的专利申请。
本一种基于特征图线性依赖的模型压缩方法在说明书摘要公布了：本发明公开了一种基于特征图线性依赖的模型压缩方法，包括：统计神经网络模型中卷积层的个数以及每个卷积层中的通道数；通过输入少量的数据集，获取每个通道输出的特征图；基于特征图的信息熵，计算出每个通道在其所属的卷积层中的线性依赖独立性，并作为局部重要性；对于求出的局部重要性，基于遗传进化算法，求出每个卷积层的全局规模系数和全局偏差系数，把局部重要性转换成全局重要性；根据设置的目标压缩率，求出相应的阈值，并移除全局重要性小于阈值的通道，从而得到最优子网络；对得到的最优子网络进行自适应加权的多网络联合并行训练，恢复网络模型的性能。
本发明授权一种基于特征图线性依赖的模型压缩方法在权利要求书中公布了：1.一种基于特征图线性依赖的神经网络模型压缩方法，其特征在于：包括如下步骤： 步骤1：搭建基于GPU版本的PyTorch深度学习框架运行环境； 步骤2，针对已经训练好的待压缩神经网络模型，获取模型中的卷积层数以及每个卷积层中的通道数量，从其训练数据集中随机采样出少量的样本，随后输入到网络模型中，并提取网络模型中每个通道输出的特征图； 步骤3，基于线性依赖独立性，对提取出的特征图进行处理，并把平均值作为相应通道的独立性； 步骤4，把通道的独立性作为通道的局部重要性，利用遗传进化算法，通过多次迭代，计算出网络模型中每个卷积层的全局规模系数和全局偏差系数； 步骤5，利用全局规模系数和全局偏差系数，把通道的局部重要性转换成全局重要性，根据设置的目标剪枝率，对网络模型中通道的全局重要性得分进行排序，移除小于阈值的通道； 步骤6，利用训练数据集，对剪枝得到的最优子网络进行多网络联合并行训练。
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南京邮电大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路9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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励