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！

龙图腾网获悉超星未来极挚(上海)科技有限公司申请的专利一种多任务神经网络模型的剪枝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：CN114492783B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202011153067.0，技术领域涉及：G06N3/082；该发明授权一种多任务神经网络模型的剪枝方法及装置是由张年崧;陆天翼;唐长成;张剑设计研发完成，并于2020-10-26向国家知识产权局提交的专利申请。

本一种多任务神经网络模型的剪枝方法及装置在说明书摘要公布了：本发明实施例公开一种多任务神经网络模型的剪枝方法及装置，该方法包括：获得待剪枝模型；针对待剪枝模型的每一卷积层，执行步骤A‑C，确定每一卷积层的敏感度信息；A针对各预设层剪枝率，基于该预设层剪枝率及该卷积层中各卷积核，对该卷积层进行预剪枝；B基于第一训练数据，确定该预设层剪枝率对应的预剪枝后的待剪枝模型所对应各任务损失值；C基于各任务损失值，确定该卷积层在该预设层剪枝率下的敏感度信息；基于待剪枝模型对应的通道信息，对待剪枝模型的卷积核进行分组；基于当前的模型剪枝率、卷积核的分组情况、各卷积核对应的剪枝范数值及每一卷积层的敏感度信息，确定目标剪枝模型，以实现对多任务神经网络模型的剪枝。

本发明授权一种多任务神经网络模型的剪枝方法及装置在权利要求书中公布了：1.一种多任务神经网络模型的剪枝方法，其特征在于，所述方法包括： 获得训练完成的多任务神经网络模型，作为待剪枝模型，所述多任务神经网络模型为能够实现至少两种检测任务的神经网络模型； 针对所述待剪枝模型的每一卷积层，执行如下步骤A-C，以确定出每一卷积层在不同预设层剪枝率下的敏感度信息； 步骤A：针对各预设层剪枝率，基于该预设层剪枝率以及该卷积层中各卷积核，对该卷积层进行预剪枝； 步骤B：基于第一训练数据，确定该预设层剪枝率对应的预剪枝后的待剪枝模型所对应各任务损失值，所述第一训练数据包括样本图像及其对应的标定信息，其中，所述样本图像包括所述待剪枝模型需要检测的目标，所述样本图像对应的标定信息包括所述待剪枝模型的各任务对应的检测标签的具体内容，所述步骤B包括：将所述第一训练数据中的每一样本图像输入该预设层剪枝率对应的预剪枝后的待剪枝模型中，得到该样本图像对应的预测信息，其中，该预测信息包括该待剪枝模型的各任务对应的预测信息；针对每一任务，基于该任务对应的预设损失函数、该样本图像对应的该任务对应的预测信息以及第一训练数据中该样本图像对应的该任务对应的标定信息，确定该样本图像对应的该任务对应的任务子损失值，以得到该样本图像对应的该任务对应的任务子损失值；并针对每一任务，基于各样本图像对应的该任务对应的任务子损失值，确定该任务对应的任务损失值； 步骤C：基于预剪枝后的待剪枝模型对应的各任务损失值，确定该卷积层在该预设层剪枝率下的敏感度信息； 基于所述待剪枝模型对应的通道信息，对所述待剪枝模型的卷积层中的卷积核进行分组，其中，在所述待剪枝模型中存在多个卷积层以ElementwiseLayer函数连接的情况下，将对应相同通道标识的卷积核分为一组，对应不同通道标识的卷积核分为不同组，将不以ElementwiseLayer函数连接的卷积层的卷积核分为一组，所述不以ElementwiseLayer函数连接的卷积层的卷积核为不对应通道标识的卷积核； 基于当前的模型剪枝率、所述待剪枝模型的卷积核的分组情况、每一层卷积层中各卷积核对应的剪枝范数值以及每一卷积层在不同层剪枝率下的敏感度信息，确定目标剪枝模型，其中，对于对应同一通道标识的卷积核来说，同时进行剪枝或同时保留，对于不对应通道标识的卷积核来说，基于其对应的剪枝范数值进行剪枝或保留。

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超星未来极挚(上海)科技有限公司，其通讯地址为：201805 上海市嘉定区安亭镇墨玉南路888号2201室JT1282；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”。