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

龍圖騰網恭喜同濟大學申請的專利一種基于端到端敏感度分析的單片計算成像邊緣重建方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119941541B 。

龍圖騰網通過國家知識產權局官網在2025-06-03發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510415259.0，技術領域涉及：G06T5/60；該發明授權一種基于端到端敏感度分析的單片計算成像邊緣重建方法是由程鑫彬;頓雄;王緒泉;趙紫昱;邢裕杰;王占山設計研發完成，并于2025-04-03向國家知識產權局提交的專利申請。

本一種基于端到端敏感度分析的單片計算成像邊緣重建方法在說明書摘要公布了：本發明公開了一種基于端到端敏感度分析的單片計算成像邊緣重建方法，涉及計算成像技術領域。該方法包括：對預訓練深度學習模型在邊緣進行性能評估，并替換或去除硬件支持不佳或耗時過大的算子；分析深度學習模型的剪枝敏感度和量化敏感度；基于得到的剪枝敏感度和量化敏感度分析結果，對深度學習模型進行剪枝和量化；測試經過敏感度剪枝和量化的模型圖像重建的性能和速度能否滿足實際應用需求；重復上述步驟，直到圖像重建的性能和速度滿足預設的設計要求。本發明提出的一種基于端到端敏感度分析的單片計算成像邊緣重建方法，在保持模型性能的同時，能有效平衡重建質量與計算效率，大幅提升在邊緣平臺上的推理速度。

本發明授權一種基于端到端敏感度分析的單片計算成像邊緣重建方法在權利要求書中公布了：1.一種基于端到端敏感度分析的單片計算成像邊緣重建方法，其特征在于，具體步驟如下：步驟S1、對預訓練深度學習模型在邊緣進行性能評估，替換或去除硬件支持不佳或耗時過大的算子；步驟S2、分析在邊緣芯片上深度學習模型的剪枝敏感度和量化敏感度；步驟S3、根據剪枝敏感度分析結果，對低敏感度模塊實施高剪枝率的剪枝操作，對高敏感度模塊實施低剪枝率的剪枝操作；步驟S4、對敏感度剪枝后的深度學習模型進行重訓練；步驟S5、根據量化敏感度分析結果，對低敏感度模塊實施低量化精度處理，對高敏感度模塊實施高量化精度操作；步驟S6、判斷深度學習模型的邊緣推理性能能否滿足實際應用需求，如不能，執行步驟S7，如能，執行步驟S8；步驟S7、降低剪枝率和混合量化中低比特量化的比例，重復步驟S2-步驟S6，直到深度學習模型的邊緣推理性能滿足實際應用需求；步驟S8、判斷深度學習模型的邊緣推理速度能否滿足實際應用需求，如不能，執行步驟S9，如能，執行步驟S10；步驟S9、增加剪枝率和混合量化中低比特量化的比例，重復步驟S2-步驟S8，直到深度學習模型的邊緣推理速度滿足實際應用需求；步驟S10、得到壓縮后的深度學習模型；步驟S2中，剪枝敏感度和量化敏感度具體分析步驟如下：步驟S21、基于已訓練的深度學習模型，以層或塊為最小單位進行敏感度分析；假設由塊組成的深度學習模型，深度學習模型的邊緣性能記為，剪枝或量化深度學習模型第塊的性能為，定義，通過，計算剪枝敏感度和量化敏感度；其中，為深度學習模型的第塊，為深度學習模型第塊剪枝或量化后降低的性能，；步驟S22、根據剪枝敏感度，以固定速率剪枝深度學習模型第塊得到剪枝后的深度學習模型，微調并部署在目標AI芯片上評估邊緣性能，重復次得到所有塊的剪枝敏感度；步驟S23、根據量化敏感度，對深度學習模型第塊進行低比特量化得到量化后的深度學習模型，同樣經過微調、部署和評估得到所有塊的量化敏感度。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人同濟大學，其通訊地址為：200092 上海市楊浦區四平路1239號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。