買(mǎi)專利賣(mài)專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜榮耀終端股份有限公司申請(qǐng)的專利圖像處理方法、模型壓縮方法及相關(guān)設(shè)備獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN118446272B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-03-21發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202311140635.7，技術(shù)領(lǐng)域涉及：G06N3/082；該發(fā)明授權(quán)圖像處理方法、模型壓縮方法及相關(guān)設(shè)備是由靳炯超設(shè)計(jì)研發(fā)完成，并于2023-09-05向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本圖像處理方法、模型壓縮方法及相關(guān)設(shè)備在說(shuō)明書(shū)摘要公布了：本申請(qǐng)?zhí)峁┝艘环N圖像處理方法、模型壓縮方法及相關(guān)設(shè)備。該圖像處理方法，使用通過(guò)分模塊的蒸餾訓(xùn)練得到的第一神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行處理，能夠節(jié)省移動(dòng)端的算力，降低移動(dòng)端的消耗。在一些實(shí)施例中，第一神經(jīng)網(wǎng)絡(luò)是通過(guò)在分模塊的蒸餾訓(xùn)練中結(jié)合量化感知訓(xùn)練得到的，能夠進(jìn)一步降低移動(dòng)端的消耗。該模型壓縮方法，以第二神經(jīng)網(wǎng)絡(luò)中第一卷積模塊為教師模型，以第一神經(jīng)網(wǎng)絡(luò)中對(duì)應(yīng)的第二卷積模塊為學(xué)生模型，進(jìn)行分模塊的蒸餾訓(xùn)練，以更新第一神經(jīng)網(wǎng)絡(luò)中的參數(shù)，能夠顯著提升GPU服務(wù)器的運(yùn)算效率與內(nèi)存優(yōu)化程度。在一些實(shí)施例中，在分模塊的蒸餾訓(xùn)練架構(gòu)中對(duì)第一神經(jīng)網(wǎng)絡(luò)進(jìn)行量化感知訓(xùn)練，能夠進(jìn)一步提升GPU服務(wù)器的運(yùn)算效率與內(nèi)存優(yōu)化程度。

本發(fā)明授權(quán)圖像處理方法、模型壓縮方法及相關(guān)設(shè)備在權(quán)利要求書(shū)中公布了：1.一種圖像處理方法，應(yīng)用于電子設(shè)備，其特征在于，所述方法包括：獲取圖像；基于第一神經(jīng)網(wǎng)絡(luò)對(duì)所述圖像進(jìn)行處理；輸出所述第一神經(jīng)網(wǎng)絡(luò)處理后的圖像，所述第一神經(jīng)網(wǎng)絡(luò)是通過(guò)分模塊的蒸餾訓(xùn)練得到的；其中，所述第一神經(jīng)網(wǎng)絡(luò)是通過(guò)分模塊的蒸餾訓(xùn)練得到的，包括：以第二神經(jīng)網(wǎng)絡(luò)包括的X個(gè)第一卷積模塊中的每個(gè)第一卷積模塊為教師模型，以所述第一神經(jīng)網(wǎng)絡(luò)包括的X個(gè)第二卷積模塊中的每個(gè)第二卷積模塊為學(xué)生模型，所述第一神經(jīng)網(wǎng)絡(luò)的參數(shù)是根據(jù)所述每個(gè)第一卷積模塊的第一輸出結(jié)果和所述每個(gè)第二卷積模塊的第二輸出結(jié)果進(jìn)行更新的，其中，所述第一輸出結(jié)果是通過(guò)針對(duì)所述每個(gè)第一卷積模塊輸入輸入數(shù)據(jù)得到的，所述第二輸出結(jié)果是通過(guò)針對(duì)所述每個(gè)第二卷積模塊輸入所述輸入數(shù)據(jù)得到的，所述X個(gè)第二卷積模塊與所述X個(gè)第一卷積模塊一一對(duì)應(yīng)，所述每個(gè)第一卷積模塊包括M個(gè)卷積層，所述每個(gè)第二卷積模塊包括N個(gè)卷積層，X＞1，M＞N≥1且X、M和N均為整數(shù)；其中，所述第一神經(jīng)網(wǎng)絡(luò)的參數(shù)是根據(jù)所述每個(gè)第一卷積模塊的第一輸出結(jié)果和所述每個(gè)第二卷積模塊的第二輸出結(jié)果進(jìn)行更新的，包括：所述第一神經(jīng)網(wǎng)絡(luò)中的第i個(gè)第二卷積模塊中的參數(shù)是通過(guò)基于第i個(gè)第一損失函數(shù)值進(jìn)行反向傳播得到的；所述第i個(gè)第一損失函數(shù)值是根據(jù)第i個(gè)第一子損失函數(shù)值和第i個(gè)第二子損失函數(shù)值得到的，其中，所述第i個(gè)第一子損失函數(shù)值是根據(jù)所述X個(gè)第一卷積模塊中的第i個(gè)所述第一卷積模塊的第i個(gè)所述第一輸出結(jié)果和所述X個(gè)第二卷積模塊中的第i個(gè)所述第二卷積模塊的第i個(gè)所述第二輸出結(jié)果得到的，所述第i個(gè)第二子損失函數(shù)值是根據(jù)第i個(gè)所述第二輸出結(jié)果和目標(biāo)數(shù)據(jù)得到的，1≤i≤X且i為整數(shù)。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人榮耀終端股份有限公司，其通訊地址為：518040 廣東省深圳市福田區(qū)香蜜湖街道東海社區(qū)紅荔西路8089號(hào)深業(yè)中城6號(hào)樓A單元3401；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。