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！

龙图腾网获悉华中科技大学申请的专利一种用于分类任务的视觉理解模型的通道剪枝方法及应用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：CN119445207B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202411446434.4，技术领域涉及：G06V10/764；该发明授权一种用于分类任务的视觉理解模型的通道剪枝方法及应用是由高常鑫;吴东岳;桑农设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本一种用于分类任务的视觉理解模型的通道剪枝方法及应用在说明书摘要公布了：本发明属于视觉理解技术领域，公开了一种用于分类任务的视觉理解模型的通道剪枝方法及应用，方法包括：采用基于散度的通道重要性函数计算已训练好的视觉理解模型中每个通道的重要性值；其中，所述基于散度的通道重要性函数为所述视觉理解模型中各通道输出特征图所对应的样本分布的标准差与变异系数的乘积，且所述变异系数等于所述样本分布的标准差与所述样本分布的数学期望的比值；所述样本分布的标准差用于反映样本之间的分散程度；将各通道的重要性值排序，从重要性值低的通道开始，对对应的通道进行剪枝，直至满足所述视觉理解模型所需的参数量和运算量为止，得到剪枝后的轻量化视觉理解模型。本发明能够在较高的剪枝率下提升模型的分类性能。

本发明授权一种用于分类任务的视觉理解模型的通道剪枝方法及应用在权利要求书中公布了：1.一种用于分类任务的视觉理解模型的通道剪枝方法，其特征在于，包括： 采用基于散度的通道重要性函数计算已训练好的视觉理解模型中每个通道的重要性值；其中，所述已训练好的视觉理解模型通过采用标准数据集对未训练的视觉理解模型进行训练得到，标准训练集中各样本包括与目标视觉理解任务相关的图像及其对应的标签真值构成，标签真值用于指示任务结果；所述基于散度的通道重要性函数为所述视觉理解模型中每个通道输出特征图所对应的样本分布的标准差与变异系数的乘积，且所述变异系数等于所述样本分布的标准差与所述样本分布的数学期望的比值；所述样本分布的标准差用于反映样本之间的分散程度； 将各通道的重要性值排序，从重要性值低的通道开始，对对应的通道进行剪枝，直至满足所述视觉理解模型所需的参数量和运算量为止，得到剪枝后的轻量化视觉理解模型； 所述视觉理解模型包括卷积层，和或线性层，以及与卷积层，和或线性层之后相邻的激活函数层和归一化层； 所述基于散度的通道重要性函数为： 式中，为卷积层，和或线性层的第i层后相邻的激活函数层的第j个通道特征图的随机变量；表示所服从分布的方差，其中，所服从的分布用于表征该通道特征图所对应的样本分布；表示所服从分布的变异系数；表示所服从分布的数学期望； 采用数学期望和方差的估计值、对应代替数学期望和方差； 估计值、的计算方式为： 其中，为激活函数，表示随机变量；和对应表示激活函数为时的估计值、，与分别表示归一化层第j个通道中的可学习偏移系数与尺度系数。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。