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！

龙图腾网获悉珠海全志科技股份有限公司申请的专利一种神经网络的迟滞量化感知训练方法及装置、存储介质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：CN121009933B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511535096.6，技术领域涉及：G06N3/0495；该发明授权一种神经网络的迟滞量化感知训练方法及装置、存储介质是由丁然;袁新焰设计研发完成，并于2025-10-27向国家知识产权局提交的专利申请。

本一种神经网络的迟滞量化感知训练方法及装置、存储介质在说明书摘要公布了：本发明涉及深度学习技术领域，公开了一种神经网络的迟滞量化感知训练方法及装置、存储介质，能够对预构建的神经网络进行训练得到满足第一预设收敛条件的浮点网络；在网络中插入伪量化节点，并输入预先获取的训练数据进行PTQ校准得到初始量化网络；按照预设的权重更新策略对初始量化网络进行QAT训练；若在QAT训练过程中模型参数满足第二预设收敛条件，则固定初始量化网络的量化参数作为目标量化参数，并在权重更新策略中增加迟滞策略，得到权重迟滞更新策略，以及按照权重迟滞更新策略，对初始量化网络进行QAT训练，得到满足第三预设收敛条件的目标量化网络。可见，实施本发明能够提高网络精度，以及能够提高网络训练稳定性和可靠性。

本发明授权一种神经网络的迟滞量化感知训练方法及装置、存储介质在权利要求书中公布了：1.一种神经网络的迟滞量化感知训练方法，其特征在于，所述方法包括： 通过多个原始图像信号以及每一所述原始图像信号经处理得到的目标图像信号对预先构建的神经网络执行训练操作，得到训练至满足第一预设收敛条件的浮点网络，所述原始图像信号作为所述神经网络的输入，所述目标图像信号作为所述神经网络的输出，所述神经网络为图像处理模型； 在所述浮点网络中插入伪量化节点，并将预先获取到的训练数据输入至已插入所述伪量化节点的浮点网络中进行PTQ校准，得到初始量化网络，所述训练数据包括所述原始图像信号及所述目标图像信号； 按照预设的权重更新策略，对所述初始量化网络进行QAT训练，所述权重更新策略用于在所述QAT训练的过程中更新所述初始量化网络的权重参数，并根据所述权重参数求解量化参数； 若确定出的所述初始量化网络在所述QAT训练的过程中的模型参数满足第二预设收敛条件，则固定所述初始量化网络的量化参数，作为目标量化参数，并在所述权重更新策略中增加迟滞策略，得到权重迟滞更新策略，以及按照所述权重迟滞更新策略，对所述初始量化网络进行QAT训练，得到训练至满足第三预设收敛条件的目标量化网络，所述目标量化网络是训练完成的图像处理模型，所述训练完成的图像处理模型用于对待处理的图像信号进行白平衡、曝光控制、色彩校正、锐化及降噪处理的至少一种，得到处理后的图像信号； 其中，所述第二预设收敛条件包括第一子收敛指标条件及第二子收敛指标条件，所述第一子收敛指标条件用于表示确定出的预设持续推理次数内的所有第一损失参数均处于预设的损失范围内的条件，所述第二子收敛指标条件用于表示确定出的权重更新曲线中的所有目标推理次数范围对应的权重变化现象存在预设的权重高频振动现象的条件； 所述权重迟滞更新策略对应的权重量化过程取整方式采用hesitationround函数，其中，hesitationround函数用于将数字按照预设数值所在的预设范围进行取整，所述权重量化过程取整方式具体包括：将小于第一预设数值的数字取整为零，将大于第二预设数值的数字取整为1，将小于所述第一预设数值且能够逐渐增大至所述第二预设数值的数字范围内的所有数字取整为零，将大于所述第二预设数值且逐渐减少至所述第一预设数值的数字范围内的所有数字取整为1，所述第一预设数值小于所述第二预设数值。

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珠海全志科技股份有限公司，其通讯地址为：519000 广东省珠海市高新区唐家湾镇科技二路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。