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！

龙图腾网获悉西北工业大学申请的专利一种边云协同场景下的基于结构化剪枝的卷积神经网络组件化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：CN117057409B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202310840084.9，技术领域涉及：G06N3/082；该发明授权一种边云协同场景下的基于结构化剪枝的卷积神经网络组件化方法是由汪彦婷;李峰;刘磊设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本一种边云协同场景下的基于结构化剪枝的卷积神经网络组件化方法在说明书摘要公布了：本发明提出一种边云协同场景下的基于结构化剪枝的卷积神经网络组件化方法，对于不同类别输入，以通道控制门的形式量化不同卷积通道对最终推断的贡献程度，得到所有类别对应的控制门。针对给定的类别组合，通过线性组合它们对应的控制门来寻找最佳的修剪结构，并通过自然选择、交叉、变异等过程迭代得到线性组合系数。最后根据组合后的控制门信息，对原模型剪枝，得到一个定制的子模型。本发明可以使得一个参数冗余的大型卷积神经网络根据边端不同的需求定制化的压缩模型，使得模型表现降低在可以接受的范围内的前提下，模型的规模大大缩小。相较于传统模型压缩方法，本发明是基于任务的，能更灵活的面向不同任务对原模型进行组件化拆解。

本发明授权一种边云协同场景下的基于结构化剪枝的卷积神经网络组件化方法在权利要求书中公布了：1.一种边云协同场景下的基于结构化剪枝的卷积神经网络组件化方法，其特征在于：包括以下步骤： 步骤1：获取图像级的通道控制门A； 步骤1.1：利用训练集预训练得到过参数化的完整模型N_full，模型深度为K； 步骤1.2：初始化控制门λk； 步骤1.3：获取一副图像x，利用模型N_full对该图像进行预测，得到推断结果fθx；并利用增加控制门λk后的模型对该图像进行预测，得到推断结果fθx,A；所述增加控制门λk后的模型指控制门λk在完整模型中逐通道地乘以模型第k层的输出后得到的模型；控制门λk的维度是模型第k层的卷积通道数目，A＝{λ1,λ2…λK}； 步骤1.4：以 计算损失函数，其中γ是超参数，crossEntropy函数的含义是交叉熵损失函数，K是模型的深度； 并以 对A进行梯度更新，更新过程中确保λk每个值非负；更新结束后计算加控制门后的模型预测类别标签为j＝argmaxN_fullx,A；如果此时i＝j，则本次迭代中通道门A已经达到收敛； 步骤1.5：重复执行T次步骤1.4，完成对控制门A的训练；此时所有的λk逐层组成起来得到图像级的通道控制门A； 步骤2：利用同一类别不同图像的图像级通道控制门A，建立类级控制门Y： 步骤2.1：对同一目标类别下所有的n张图像[x1,x2,x3…xn]逐个执行步骤1，得到每张图像的图像级控制门[Ax1,Ax2,Ax3…Axn]； 步骤2.2：对n张图像各自对应的图像级通道控制门进行相加求和，得到目标类别的类级控制门 步骤3：定制子模型： 步骤3.1：根据定制要求，利用步骤2获取v个不同目标类别的类级控制门[Y1,Y2,Y3…Yv]； 步骤3.2：为[Y1,Y2,Y3…Yv]随机生成s组不同的参数[c1,c2,c3…cv]； 步骤3.3：对于某一组[c1,c2,c3…cv]，根据公式 Sfusion＝c1*Y1+c2*Y2+c3*Y3+…+cv*Yv 计算Sfusion； 步骤3.4：按照给定的剪枝比例，在Sfusion中找到相应比例的值较低的控制门λk，移除这些控制门值对应的卷积通道，得到根据该Sfusion剪枝后的子模型；计算该子模型在训练集上的推断准确度，并计算适应度fitness＝1.0完整模型推断准确度-该子模型推断准确度； 步骤3.5：对步骤3.2中s组不同的参数执行步骤3.3和3.4，分别得到每一组参数的适应度fitness； 步骤3.6：根据s组参数中每一组的适应度，选择两组适应度最高的参数，用于交叉和变异得到下一代的个体，返回步骤3.3，直至达到要求的迭代次数； 步骤3.7：对步骤3.2-3.6执行T次，每一次都得到一组适应度最高的参数；从T次参数中再选出适应度最高的一组参数； 步骤3.8：通过步骤3.7得到的参数，计算Sfusion，再根据给定的剪枝比例，在本步骤计算得到的Sfusion中找到相应比例的值较低的控制门λk，移除这些控制门值对应的卷积通道，得到根据该Sfusion剪枝后的子模型即为定制的子模型。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。