“剪枝”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网_专利查询网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

B 作业；运输

C 化学；冶金

D 纺织；造纸

E 固定建筑物

F 机械工程、照明、加热

专利下载VIP

公布日期

2023-10-24 公布专利

2023-10-20 公布专利

2023-10-17 公布专利

2023-10-13 公布专利

2023-10-10 公布专利

2023-10-03 公布专利

2023-09-29 公布专利

2023-09-26 公布专利

2023-09-22 公布专利

2023-09-19 公布专利

专利权人

国家电网公司

华为技术有限公司

中兴通讯股份有限公司

三星电子株式会社

中国石油化工股份有限公司

鸿海精密工业股份有限公司

松下电器产业株式会社

上海交通大学

钻瓜专利网为您找到相关结果5002个，建议您升级VIP下载更多相关专利

[发明专利]基于剪枝卷积神经网络的分类方法及相关设备-CN202210458103.7在审
发明人：陆强 -专利权人：际络科技（上海）有限公司
申请日： 2022-04-27 - 公布日： 2022-08-09 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于剪枝卷积神经网络的分类方法及相关设备，包括：基于训练数据以及训练数据对应的标签训练得到预先训练好的分类模型；在预设的模型目标性能基础上通过对预先训练好的分类模型分别进行结构化剪枝与非结构化剪枝后得到剪枝后的分类模型；获取待分类的图片；将待分类的图片输入剪枝后的分类模型，得到对应的分类结果。本发明能够在预设的模型目标性能基础上对分类模型实现混合剪枝，从而最大程度上压缩简化模型。
基于剪枝卷积神经网络分类方法相关设备

[发明专利]基于剪枝卷积神经网络的分类方法及相关设备-CN202210458105.6在审
发明人：陆强 -专利权人：际络科技（上海）有限公司
申请日： 2022-04-27 - 公布日： 2022-08-09 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于剪枝卷积神经网络的分类方法及相关设备，包括：获取待分类的图片；将待分类的图片输入剪枝后的分类模型，得到对应的分类结果；其中，剪枝后的分类模型中的分类模型权重是通过预定义的神经网络结构搜索方法对预先训练好的剪枝敏感度分析模型搜索得到；预先训练好的剪枝敏感度分析模型是基于初始分类模型、训练图片集、训练图片集对应的标签集以及权重掩码训练集训练得到。本发明能够大大节约剪枝耗时。
基于剪枝卷积神经网络分类方法相关设备

[发明专利]一种基于级联剪枝的绝缘子缺陷检测模型构建方法及装置-CN202310759702.7在审
发明人：徐春雷;陆晓;蒋承伶;马洲俊;王茂飞;高超;吴奇伟;戴永东;毛锋;王神玉 -专利权人：国网江苏省电力有限公司泰州供电分公司;国网江苏省电力有限公司;江苏方天电力技术有限公司
申请日： 2023-06-26 - 公布日： 2023-09-29 - 主分类号： G06N3/082 文献下载
摘要：本发明公开了一种基于级联剪枝的绝缘子缺陷检测模型构建方法及装置，方法包括：基于YOLOv5算法模型，进行卷积核剪枝，去除模型中的冗余卷积核；进行通道剪枝，去除模型中的冗余通道；构建得到基于级联剪枝的绝缘子缺陷检测模型通过对YOLOv5进行级联剪枝，大量减少了通道中冗余的卷积核数量和通道数量，从而大幅度缩减了模型大小，使模型更易于在边缘端设备进行部署。使用经过级联剪枝后的轻量级YOLOv5算法，在保证检测精度的前提下，优化了算法的检测效率。
一种基于级联剪枝绝缘子缺陷检测模型构建方法装置

[发明专利]一种基于CNN特征映射剪枝的快速水下目标识别方法-CN202110425582.8有效
发明人：殷波;魏志强;房政;杜泽华 -专利权人：中国海洋大学
申请日： 2021-04-20 - 公布日： 2023-10-13 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于CNN特征映射剪枝的快速水下目标识别方法，包括CNN特征映射剪枝的步骤：首先构建一个深度模型来充分地拟合训练数据，然后将该模型作为基准模型，开展神经网络剪枝工作；对隐藏层的剪枝敏感度进行测试，选取低敏感度的隐藏层并删除对精度影响小的特征映射；还包括改进的剪枝策略：完成剪枝操作后通过重训练恢复模型精度；通过本发明的方法减少神经网络的参数量及计算量，解决当前神经网络对硬件的存储和计算能力要求高的不足
一种基于 cnn 特征映射剪枝快速水下目标识别方法

[发明专利]一种基于激活-熵权重剪枝的CNN模型压缩方法-CN201910355830.9在审
发明人：毛莺池;王庆永;王绎超;戚荣志;黄倩;平萍 -专利权人：河海大学
申请日： 2019-04-29 - 公布日： 2019-08-06 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于激活‑熵权重剪枝的CNN模型压缩方法包括基于激活‑熵权值的重要性评判和面向层的迭代剪枝两个阶段。在面向层的迭代剪枝阶段：采用逐层剪枝，根据权值重要性得分，遵循筛选‑裁剪‑微调步骤对每层神经元进行迭代剪枝，在保证模型精确度下有效压缩CNN模型体积。本发明采用基于激活‑熵权重剪枝方法，筛选重要性低的模型参数，从而减少CNN模型体积。同时对剪枝后模型进行微调，保证模型计算精度。
剪枝激活权重迭代模型压缩评判面向层微调神经元筛选神经元激活剪枝阶段模型参数模型计算信息熵裁剪保证压缩衡量

[发明专利]确定网络模型剪枝策略的方法、装置、设备以及存储介质-CN202011147374.8在审
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-10-23 - 公布日： 2020-12-29 - 主分类号： G06N3/08 文献下载
摘要：本申请实施例公开了确定网络模型剪枝策略的方法、装置、设备以及存储介质，涉及计算机视觉、深度学习等人工智能技术领域，具体可用于图像处理场景。该方法包括：采用针对目标硬件的网络模型的BN阈值搜索空间的配置信息，生成BN阈值搜索空间；采用BN阈值搜索空间，生成剪枝策略编码生成器；采用剪枝策略编码生成器，随机生成BN阈值编码；对BN阈值编码进行解码，得到待选BN阈值；根据对应于待选BN阈值的网络模型的剪枝精度损失，确定用于目标硬件的网络模型的目标剪枝策略，通过自动搜索的方式得到最优的BN阈值，并用BN阈值代替通道重要性对网络模型进行剪枝，进而大幅度降低网络模型的剪枝后精度损失
确定网络模型剪枝策略方法装置设备以及存储介质

[发明专利]一种基于通道剪枝的迁移学习加速方法-CN201910758097.5在审
发明人：陈益强;于超辉;王晋东 -专利权人：中国科学院计算技术研究所
申请日： 2019-08-16 - 公布日： 2019-12-20 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种基于通道剪枝的用于加速迁移学习的方法，所述方法包括下述步骤：步骤1：建立基线模型；步骤2：对源域和目标域之间的可迁移通道进行评估，获取每个通道的重要度；步骤3：进行通道剪枝；步骤4：微调训练，使经过剪枝的模型收敛；步骤5：重复步骤2至4，直到经过剪枝的模型在目标域上的准确率和模型所需要的计算量满足预定要求。本发明的基于通道剪枝的迁移学习加速方法，将迁移学习的过程和模型剪枝过程融合为一个整体框架，在迁移的过程中同时考虑到目标任务上的性能，而在剪枝的过程中也同时考虑到移除那些对原任务和目标任务都不重要的参数。
剪枝迁移目标域过程融合基线模型预定要求整体框架计算量重要度准确率移除源域微调学习收敛重复评估

[发明专利]深度神经网络自动择优混合剪枝的压缩方法-CN202010148902.5在审
发明人：刘强;陈世达 -专利权人：天津大学
申请日： 2020-03-05 - 公布日： 2020-08-04 - 主分类号： G06N3/08 文献下载
摘要：本发明公开一种深度神经网络自动择优混合剪枝的压缩方法，步骤是，先对DNNs模型中的全局滤波器执行滤波器级剪枝；对剪枝后的模型微调，补偿因滤波器级剪枝导致的累加误差，获得性能恢复的滤波器级稀疏化模型；再对获得的滤波器级稀疏化模型，执行权值级剪枝操作，并将得到的更稀疏的模型进行微调，补偿因权值剪枝导致的准确率影响，获得性能恢复的稀疏化模型；达到预设压缩率，混合剪枝训练得到压缩模型。
深度神经网络自动择优混合剪枝压缩方法

[发明专利]卷积神经网络的剪枝方法、装置、电子设备和存储介质-CN202110598596.X在审
发明人：孙岳;林凯 -专利权人：浙江宇视科技有限公司
申请日： 2021-05-31 - 公布日： 2021-08-13 - 主分类号： G06N3/08 文献下载
摘要：本发明实施例公开了一种卷积神经网络的剪枝方法、装置、电子设备和存储介质。该卷积神经网络的剪枝方法包括：确定待剪枝的卷积神经网络模型中各滤波器的权重值，并根据所述权重值确定各滤波器的重要性参数；根据各卷积层中所有滤波器的重要性参数的分布情况分别确定各卷积层的冗余度；根据所述各卷积层的冗余度确定各卷积层的剪枝参数，并基于所述剪枝参数分别对各卷积层进行剪枝。本发明实施例在尽量保证模型的精度不受损失的同时，实现了有效降低网络模型的参数量和计算复杂度，提高剪枝准确度和效率。
卷积神经网络剪枝方法装置电子设备存储介质

[发明专利]用于对神经网络中卷积层进行剪枝的方法和装置-CN202010171150.4在审
发明人：聂远飞;董祯;冯欢 -专利权人：澜起科技股份有限公司
申请日： 2020-03-12 - 公布日： 2021-09-14 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种用于对神经网络中卷积层进行剪枝的方法和装置。其中用于对神经网络中卷积层进行剪枝的方法包括：获取目标神经网络，目标神经网络包括待剪枝卷积层，待剪枝卷积层包括C个滤波器，每个滤波器中包括K个卷积核，每个卷积核包括M行N列个权重值，其中C、K、M和N为大于等于1的正整数；基于卷积核中权重值的数量M×N和目标压缩率确定每个卷积核中待剪枝的权重值的数量P，其中P为小于M×N的正整数；以及将待剪枝卷积层的每个卷积核中绝对值最小的P个权重值置零，形成剪枝后卷积层。
用于神经网络卷积进行剪枝方法装置

[发明专利]通过强化学习模型对业务预测模型进行压缩的方法和装置-CN202010409973.6在审
发明人：杨新星;李龙飞;周俊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-05-15 - 公布日： 2020-06-26 - 主分类号： G06N3/08 文献下载
摘要：依次将各个网络层作为当前层进行剪枝操作，该操作包括，基于当前层的层特征确定环境状态，将环境状态输入强化学习模型，得到针对当前层的剪枝决策，据此进行剪枝；并在样本队列中添加当前层的剪枝记录，该记录包括环境状态和剪枝决策然后，将验证数据集输入N个网络层均进行剪枝后的压缩模型，得到性能评估结果。根据该性能评估结果确定奖励分数，将奖励分数分别添加到N条剪枝记录中，形成N条训练样本。
通过强化学习模型业务预测进行压缩方法装置

[发明专利]基于分组注意力机制的自适应剪枝模型压缩算法-CN202111189126.4在审
发明人：吴英;杨志;翟渊;向毅 -专利权人：重庆科技学院
申请日： 2021-10-12 - 公布日： 2022-03-01 - 主分类号： G06N3/08 文献下载
摘要：本发明属于网络压缩技术领域，具体涉及基于分组注意力机制的自适应剪枝模型压缩算法，包括基于注意力机制的通道剪枝方法和基于强化学习的模型相关剪枝策略，通过设置分组注意力剪枝模块，不仅实现了卷积核评价的功能，而且也完成了剪枝任务，分组注意力模块可以为每个卷积核生成一个重要性分值，与传统注意力模块的区别在于可以体现出前一层剪枝对后面层剪枝的影响，可以针对输入数据的不同，选择不同的参数参与前后向的运算，模型的容量不会减少
基于分组注意力机制自适应剪枝模型压缩算法

[发明专利]神经网络的剪枝方法及其剪枝装置、存储介质、设备-CN202110216506.6在审
发明人：王位;梁栋;朱燕杰;崔卓须;刘新;郑海荣 -专利权人：中国科学院深圳先进技术研究院
申请日： 2021-02-26 - 公布日： 2022-08-30 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种神经网络的剪枝方法及其剪枝装置、存储介质、设备。剪枝方法包括：获取训练完成的目标神经网络，所述目标神经网络包括若干残差层；利用测试样本集逐层评估每一层残差层的重要性，获得每一层残差层的重要性程度值；将重要性程度值小于阈值的残差层去除，获得剪枝后的目标神经网络；利用训练样本集训练剪枝后的目标神经网络，以优化剪枝后的目标神经网络的参数。本方案可以逐层测试网络各层参数的重要性，通过在测试集上结果的表现直观地给出了各层各参数的重要性，提高了剪枝方法的通用性和可解释性。
神经网络剪枝方法及其装置存储介质设备

[发明专利]一种基于强化学习框架的自动剪枝量化方法及系统-CN202310308115.6在审
发明人：李冰;王炳猛;姜宝伟 -专利权人：首都师范大学
申请日： 2023-03-27 - 公布日： 2023-07-07 - 主分类号： G06N3/082 文献下载
摘要：本发明总的来说涉及深度学习技术领域，提出一种基于强化学习框架的自动剪枝量化方法及系统，该方法包括：构造用于自动剪枝量化方法的环境，所述环境基于与网络结构相关的静态信息以及与压缩状态相关的动态信息；构造自动剪枝量化智能体；以及使所述自动剪枝量化智能体与所述环境进行交互，以训练所述自动剪枝量化智能体并且输出压缩策略。本发明可以针对轻量化和非轻量化的图像识别神经网络模型同时搜索出最佳的逐层剪枝和逐层量化策略；并且本发明通过新的剪枝后的模型更新算法、最佳策略使搜索完成时间大幅降低；此外本发明在模型参数量和计算复杂度降低的同时
一种基于强化学习框架自动剪枝量化方法系统

[发明专利]模型剪枝方法、装置、计算机设备、存储介质和程序产品-CN202310227819.0在审
发明人：董旭炯 -专利权人：哲库科技（上海）有限公司
申请日： 2023-03-09 - 公布日： 2023-07-04 - 主分类号： G06N3/082 文献下载
摘要：本申请涉及一种模型剪枝方法、装置、计算机设备、存储介质和程序产品。所述方法包括：获取待剪枝处理的源模型对应的初始模型集合，所述初始模型集合中的各初始模型是利用各初始剪枝算法分别对所述源模型进行剪枝处理得到的；将所述初始模型集合作为当前模型集合，进行迭代学习，对于每次迭代过程，从当前模型集合中确定目标模型和参考模型，利用所述参考模型训练所述目标模型，并利用训练后的目标模型更新当前模型集合，直至得到目标模型集合；基于目标模型集合和筛选条件，确定源模型对应的剪枝处理后的模型。采用本方法能够在提升剪枝效率的同时保证剪枝后的模型的性能。
模型剪枝方法装置计算机设备存储介质程序产品

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

关于我们寻求报道投稿须知广告合作版权声明网站地图友情链接企业标识联系我们

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top