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！

龙图腾网获悉暨南大学;广州信息技术研究所申请的专利面向深度神经网络剪枝技术的公平性优化及图像分类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：CN120045895B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510054300.6，技术领域涉及：G06F18/21；该发明授权面向深度神经网络剪枝技术的公平性优化及图像分类方法是由古天龙;许希妍;鲁劲节;周广民设计研发完成，并于2025-01-14向国家知识产权局提交的专利申请。

本面向深度神经网络剪枝技术的公平性优化及图像分类方法在说明书摘要公布了：本发明公开了面向深度神经网络剪枝技术的公平性优化及图像分类方法，涉及人工智能安全技术领域，其中公平性优化方法包括：获取训练数据集；通过训练数据集训练初始神经网络模型，获取神经网络模型；对神经网络模型进行剪枝；通过训练数据集和剪枝后的神经网络模型，获取不同敏感属性子组样本的几何度量，并对不同敏感属性子组样本的几何度量进行平均处理，计算极差公平性约束项，利用极差公平性约束项和分类损失项计算总体损失，通过总体损失对剪枝后的神经网络模型进行微调训练，获取目标剪枝模型。本发明能够在特征层面平衡组间性能，以解决现有研究无法在资源有限的终端设备中直接部署和快速与现有剪枝技术集成的不足。

本发明授权面向深度神经网络剪枝技术的公平性优化及图像分类方法在权利要求书中公布了：1.面向深度神经网络剪枝技术的公平性优化方法，其特征在于，包括： 获取训练数据集，其中，所述训练数据集为包含目标标签和敏感属性的图像数据； 通过所述训练数据集训练初始神经网络模型，获取神经网络模型； 对所述神经网络模型进行剪枝； 通过所述训练数据集和剪枝后的神经网络模型，获取不同敏感属性子组样本的几何度量，并对所述不同敏感属性子组样本的几何度量进行平均处理，计算极差公平性约束项，利用所述极差公平性约束项和分类损失项计算总体损失函数，通过所述总体损失函数对剪枝后的神经网络模型进行微调训练，获取目标神经网络剪枝模型； 其中，计算所述极差公平性约束项，包括： 将所述训练图像数据集分为若干批次，在每个批次的训练中，获取每个样本输入特征提取器后得到的特征向量，并计算每个样本对应的几何度量； 分别统计当前批次中的个敏感属性子组样本的平均长度和平均角度，通过所述平均 长度和平均角度计算所述极差公平性约束项； 通过所述平均长度和平均角度计算极差公平性约束项，包括： 衡量K个敏感属性子组间最大几何度量与最小几何度量之间的差异，计算所述极差公平性约束项，具体为： 式中，为极差长度约束项，为K个敏感属性子组中最大的平均长度，为K个敏感属性子组中最小的平均长度，为极差角度约束项，为K个敏感属 性子组中最大的平均角度，为K个敏感属性子组中最小的平均角度，为极差公平 性约束项，为极差长度约束项的权重系数，为极差角度约束项的权重系数。

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暨南大学;广州信息技术研究所，其通讯地址为：510632 广东省广州市天河区黄埔大道西601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”。