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！

龙图腾网恭喜南京林业大学申请的专利一种基于在线知识蒸馏网络的人群计数方法及装置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：CN116416572B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202310251690.7，技术领域涉及：G06V20/52；该发明授权一种基于在线知识蒸馏网络的人群计数方法及装置是由李博文;成锋娜;姜胜芹设计研发完成，并于2023-03-15向国家知识产权局提交的专利申请。

本一种基于在线知识蒸馏网络的人群计数方法及装置在说明书摘要公布了：本发明公开了一种基于在线知识蒸馏网络的人群计数方法及装置。首先获取人群计数图像及生成对应的标签，并对图像及标签进行预处理，之后构建在线知识蒸馏网络，包括共享浅层模块、教师强语义分支和学生精炼分支，所述共享浅层模块用于提取图像的基特征，所述教师强语义分支基于预训练参数捕捉图像的鲁棒语义特征，所述学生精炼分支通过通道递减来减少参数量，提升网络的推理速度，然后将图像及标签输入网络进行训练。最后，将图像送入训练好的学生精炼分支，输出人群的个数。相比于传统的特征学习策略，本发明可实现单阶段的网络学习，即只需单次即可完成学生网络的训练，大大降低了网络的训练成本。在交通、农林等众多领域有着重要的应用前景。

本发明授权一种基于在线知识蒸馏网络的人群计数方法及装置在权利要求书中公布了：1.一种基于在线知识蒸馏网络的人群计数方法，其特征在于，包括以下步骤：S1：获取人群计数图像及生成对应的标签；S2：对图像及标签进行预处理；S3：构建在线知识蒸馏网络，包括共享浅层模块、教师强语义分支和学生精炼分支，所述共享浅层模块用于提取图像的基特征，所述教师强语义分支基于预训练参数捕捉图像的鲁棒语义特征；所述学生精炼分支通过通道递减来减少参数量，提升网络的推理速度；S4：构建知识蒸馏策略，包括特征转换层、响应蒸馏、特征内蒸馏和特征间蒸馏；S5：将图像及标签输入网络进行训练；S6：将图像送入训练好的学生精炼分支，输出人群的个数；所述S2具体包括：S2-0：将图像进行随机裁剪；S2-1：以预测概率对图像进行随机加噪声；S2-2：以预设概率对图像进行随机水平翻转；所述S3中的共享浅层模块具体包括：共享浅层特征提取器，由若干卷积层堆叠形成，用于提取输入图像的基特征；最大池化层，用于所述基特征的空间降采样；所述S3中的教师强语义分支具体包括：第一卷积块特征提取器，由若干卷积层堆叠形成，用于基特征提取基本卷积特征；第一最大池化层，用于所述第一卷积块特征提取器特征的空间降采样；第二卷积块特征提取器，由若干卷积层堆叠形成，用于所述第一最大池化层输出特征提取基本卷积特征；第二最大池化层，用于所述第二卷积块特征提取器特征的空间降采样；第三卷积块特征提取器，由若干卷积层堆叠形成，用于所述第二最大池化层输出特征提取基本卷积特征；所述S3中的学生精炼分支具体包括：学生精炼分支卷积特征提取器，与教师强语义分支提取器结构相同，通道数减为1，n为正整数，用于所述学生精炼分支提取基本卷积特征；所述S4中的特征转换层具体包括：特征转换层，由卷积核为1×1的卷积层构成，用于将所述S3中的教师强语义分支不同阶段输出特征的通道转换，生成与所述S3中的学生精炼分支对应阶段的输出特征通道数相同的维度；所述S4中的响应蒸馏具体包括：Ls＝1-SSIMtN,s′N,其中 式中，和分别表示输入tN和s′N所有像素的平均值，和分别表示输入tN，s′N的方差，表示两输入tN和s′N的方差，c1和c2表示常数；所述S4中的特征内蒸馏具体包括： 其中ps′i和pti分别表示所述教师强语义分支和学生精炼分支不同阶段输出特征；所述S4中的特征间蒸馏具体包括： 其中 式中表示元素级乘积，N表示教师强语义分支阶段输出的个数，ti∈Rc×h×w表示教师网络第i个阶段网络特征的输出，c,h,w分别表示特征的通道数，高度和宽度，将ti经过维度转换后得到σ·表示sigmoid操作，的计算与相同，进而得到学生网络不同阶段的关系矩阵。

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林业大学，其通讯地址为：210037 江苏省南京市玄武区龙蟠路159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”。