買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜華東師范大學(xué)申請的專利一種輕量化動態(tài)分辨率圖像分類模型的構(gòu)建方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114926334B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-01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?zhí)?專利號為：202210516026.6，技術(shù)領(lǐng)域涉及：G06F17/40；該發(fā)明授權(quán)一種輕量化動態(tài)分辨率圖像分類模型的構(gòu)建方法是由謝源;劉洋;張志忠設(shè)計研發(fā)完成，并于2022-05-12向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種輕量化動態(tài)分辨率圖像分類模型的構(gòu)建方法在說明書摘要公布了：本發(fā)明公開了一種輕量化動態(tài)分辨率圖像分類模型的構(gòu)建方法，其特點是利用一個較小的網(wǎng)絡(luò)模塊對于樣本的最佳分辨率進行預(yù)測，該過程中引入最優(yōu)傳輸問題對其進行建模，迭代預(yù)測出每個樣本最適合的分辨率，再將其輸入多尺度的網(wǎng)絡(luò)模型中進行分類預(yù)測，從而實現(xiàn)動態(tài)分辨率圖像分類網(wǎng)絡(luò)。本發(fā)明與現(xiàn)有技術(shù)相比具有計算量小、識別正確率高和速度快的優(yōu)點，不但解決了動態(tài)分辨率網(wǎng)絡(luò)中分辨率選擇不均衡的問題，而且取得了更高的分類正確率結(jié)果，大大減少了圖片分類過程中的計算量，在實際推理過程中的速度與識別正確率均有大幅提高。

本發(fā)明授權(quán)一種輕量化動態(tài)分辨率圖像分類模型的構(gòu)建方法在權(quán)利要求書中公布了：1.一種輕量化動態(tài)分辨率圖像分類模型的構(gòu)建方法，其特征在于采用在卷積神經(jīng)網(wǎng)絡(luò)模型中引入最優(yōu)傳輸策略的方法，利用輕量分辨率預(yù)測模塊對于圖像的最佳分辨率進行預(yù)測，實現(xiàn)動態(tài)分辨率圖像分類模型輕量化具體包括下述步驟：步驟1：數(shù)據(jù)集準備與預(yù)處理1-1：收集大批量待分類的圖像數(shù)據(jù)，將其按照8:2比例劃分訓(xùn)練集與測試集，其圖像格式為JPG；1-2：將上述訓(xùn)練集圖片按預(yù)設(shè)的分辨率列表r進行縮放，將每張圖片縮放至K種不同尺寸，生成對應(yīng)的多尺度圖像列表，然后采用隨機水平翻轉(zhuǎn)對訓(xùn)練集數(shù)據(jù)進行數(shù)據(jù)增強；對于測試集圖片按預(yù)設(shè)的分辨率列表r進行縮放處理；步驟2：多尺度分類網(wǎng)絡(luò)的構(gòu)建2-1：在基本分類卷積神經(jīng)網(wǎng)絡(luò)上采用平行網(wǎng)絡(luò)結(jié)構(gòu)，使用不同的批處理層處理不同分辨率大小的數(shù)據(jù)，構(gòu)建多尺度分類網(wǎng)絡(luò)模塊；2-2：將步驟1的多尺度圖像數(shù)據(jù)列表輸入到多尺度分類網(wǎng)絡(luò)中，為列表中每張圖片進行特征提取，得到預(yù)測結(jié)果；步驟3：多尺度分類網(wǎng)絡(luò)的訓(xùn)練3-1：利用步驟2得到的預(yù)測結(jié)果對多尺度分類網(wǎng)絡(luò)進行訓(xùn)練，根據(jù)其預(yù)測結(jié)果以及真實圖像標簽計算交叉熵損失與自蒸餾損失；3-2：為訓(xùn)練過程設(shè)置合適的學(xué)習(xí)率與優(yōu)化策略；3-3：當訓(xùn)練迭代次數(shù)達到設(shè)置的閾值時，停止訓(xùn)練；3-4：利用步驟1縮放處理的測試集數(shù)據(jù)對多尺度分類網(wǎng)絡(luò)進行測試，根據(jù)正確率確定模型訓(xùn)練結(jié)果；步驟4：分辨率預(yù)測模塊的構(gòu)建4-1：采用兩層卷積層構(gòu)建輕量化的分辨率預(yù)測模塊；4-2：將步驟1的多尺度圖像數(shù)據(jù)列表，選取小尺寸圖片xl輸入上述構(gòu)建的分辨率預(yù)測模塊中，所輸出結(jié)果用于動態(tài)分辨率預(yù)測；步驟5：最優(yōu)傳輸動態(tài)分辨率預(yù)測5-1：將同一批中的N個數(shù)據(jù)看作是N個供應(yīng)方，待選擇的K個候選分辨率看作是K個需求方，為動態(tài)分辨率分配問題進行最優(yōu)傳輸建模，即將分辨率預(yù)測問題建模成最優(yōu)傳輸問題；5-2：利用分辨率預(yù)測模塊輸出傳輸過程的代價矩陣，表示每一個樣本分配至每一個分辨率所花費的計算量以及正確率所需的開銷；5-3：通過算法迭代根據(jù)最低總代價計算出最優(yōu)運輸方案，即每個圖片樣本的最優(yōu)分辨率選擇結(jié)果；步驟6：多路徑動態(tài)分辨率的預(yù)測6-1：根據(jù)最優(yōu)運輸方案與閾值判斷，動態(tài)選取多條小分辨率分支進行同步測試推理；6-2：根據(jù)分辨率預(yù)測結(jié)果引入多分支動態(tài)推理方案，將多條分辨率分支的預(yù)測結(jié)果加權(quán)求和，作為最終的預(yù)測結(jié)果；步驟7：分辨率預(yù)測模塊的訓(xùn)練7-1：固定多尺度分類網(wǎng)絡(luò)的模型參數(shù)，利用步驟2中的各分辨率分支的輸出預(yù)測結(jié)果構(gòu)造理想情況下的代價矩陣；7-2：對步驟4中的分辨率預(yù)測模塊通過構(gòu)造的損失函數(shù)進行訓(xùn)練，該訓(xùn)練過程利用理想情況下的代價矩陣對輸出結(jié)果進行約束；7-3：為訓(xùn)練過程設(shè)置合適的學(xué)習(xí)率與優(yōu)化策略；7-4：當訓(xùn)練迭代次數(shù)達到設(shè)置的閾值時，停止訓(xùn)練；7-5：利用步驟1的測試集數(shù)據(jù)對分辨率預(yù)測模塊和多尺度分類網(wǎng)絡(luò)進行整體測試，并根據(jù)步驟5的最優(yōu)運輸方案對該測試集數(shù)據(jù)的分辨率進行縮放，并輸入至多尺度分類網(wǎng)絡(luò)中，根據(jù)正確率確定模型訓(xùn)練結(jié)果，得到基于最優(yōu)傳輸問題的動態(tài)分辨率圖像分類模型的輕量化。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人華東師范大學(xué)，其通訊地址為：200241 上海市閔行區(qū)東川路500號；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)”。