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！

龙图腾网获悉中新国际联合研究院申请的专利一种解码高效的针对量化后的模型参数的熵编码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：CN120124678B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202510173638.3，技术领域涉及：G06N3/045；该发明授权一种解码高效的针对量化后的模型参数的熵编码方法是由晏星宇;陈卓设计研发完成，并于2025-02-17向国家知识产权局提交的专利申请。

本一种解码高效的针对量化后的模型参数的熵编码方法在说明书摘要公布了：本发明公开了一种解码高效的针对量化后的模型参数的熵编码方法，包括：使用标准的深度学习方法训练卷积神经网络CNN模型，包括卷积神经网络CNN模型中每一层的权重学习和优化；在训练后的模型中采用比特分配优化方法；采用死区量化技术对模型的权重进行量化处理；经过量化处理的权重进一步通过改进型Tunstall进行编码，采用固定长度的熵编码技术对权重数据进行压缩；压缩后的模型被加载到目标硬件平台中进行推理；通过改进型Tunstall解码对编码后的权重数据进行解码；解码后的模型在硬件平台上执行神经网络运算，最终输出推理结果；本发明优化卷积神经网络模型，在保持推理精度的同时显著提高推理效率。

本发明授权一种解码高效的针对量化后的模型参数的熵编码方法在权利要求书中公布了：1.一种解码高效的针对量化后的模型参数的熵编码方法，其特征在于：包括以下步骤： 步骤S1：模型训练：使用标准的深度学习方法训练卷积神经网络CNN模型，以获得原始的未压缩模型，包括卷积神经网络CNN模型中每一层的权重学习和优化； 步骤S2：比特分配优化：在训练后的模型中采用比特分配优化方法；根据每个通道对输出精度的贡献，动态调整每个卷积层的比特宽度；这一过程通过率失真优化方法完成； 步骤S3：死区量化：采用死区量化技术对模型的权重进行量化处理；量化时，将小幅度的权重压缩为零，从而减少存储需求；量化步长和死区间隔由优化算法自适应调整； 步骤S4：改进型Tunstall编码：经过量化处理的权重进一步通过改进型Tunstall进行编码，采用固定长度的熵编码技术对权重数据进行压缩；改进型Tunstall编码使得编码后的权重数据占用更少的存储空间； 步骤S5：加载压缩模型：压缩后的模型被加载到目标硬件平台中进行推理；所述目标硬件平台为安防摄像头； 步骤S6：实时解码：在推理过程中，首先通过改进型Tunstall解码对编码后的权重数据进行解码；解码过程采用固定长度编码，确保解码过程高效且实时；解码后的权重用于CNN模型的推理计算； 步骤S7：推理计算：解码后的模型在目标硬件平台上执行神经网络运算，通过高效的模型压缩技术实现视频图像的实时处理和分类，最终输出推理结果；所述推理结果为：监测人员活动和快速识别异常行为。

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中新国际联合研究院，其通讯地址为：510555 广东省广州市黄埔区中新智慧一街7号A-1栋；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。