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！

龙图腾网获悉北京理工大学申请的专利一种基于高性能量化全加网络的遥感图像场景分类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：CN118429686B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202410324714.1，技术领域涉及：G06V10/764；该发明授权一种基于高性能量化全加网络的遥感图像场景分类方法是由张宁;陈禾;陈亮;王国庆;刘文超设计研发完成，并于2024-03-21向国家知识产权局提交的专利申请。

本一种基于高性能量化全加网络的遥感图像场景分类方法在说明书摘要公布了：本申请提供一种基于高性能量化全加网络的遥感图像场景分类方法，属于图像处理技术领域。方法包括：获取基于初始加法核的初始全加网络；对初始加法核进行量化处理，得到量化加法核；对量化加法核进行去偏量化处理，得到目标量化加法核，在初始全加网络中将初始加法核替换为目标量化加法核，得到待训练的量化全加网络；基于基准全加网络模型对量化全加网络进行去偏量化训练，得到训练后的目标量化全加网络，去偏量化训练以遥感图像样本作为训练样本、以遥感图像的场景分类作为下游任务；基于目标量化全加网络，对待识别的任一遥感图像进行场景分类。采用本申请，可以在保证网络精度的前提下，最大程度降低了硬件部署时所需要的资源开销。

本发明授权一种基于高性能量化全加网络的遥感图像场景分类方法在权利要求书中公布了：1.一种基于高性能量化全加网络的遥感图像场景分类方法，其特征在于，所述方法包括：获取基于初始加法核的初始全加网络，所述初始全加网络具有预设的卷积神经网络结构；其中，所述初始加法核的第一表达式为： 其中，表示输入激活张量，表示输出特征张量，表示所述初始加法核的权重张量，hin和win分别表示输入激活张量的长和宽，cin表示输入激活张量的通道数，hout和wout分别表示输出特征张量的长和宽，cout表示输出特征张量的通道数，d表示所述初始加法核的长、宽尺寸，m、n分别代表权重张量的长、宽尺寸，k代表输入通道数，t代表输出通道数，x、y分别代表输出特征张量的长、宽尺寸；将所述初始加法核转换为整数形式，得到第二表达式如下： 将输入激活尺度因子SI近似为2的幂指数形式，得到第三表达式如下： 将权重尺度因子SF近似为2的幂指数形式，得到第四表达式如下： 其中，max·和min·是分别用于确定给定向量中最大和最小元素的函数，N表示量化后的数值位宽；i表示为如下第五表达式： j表示为如下第六表达式： 其中，round·表示舍入到最接近的整数值；根据所述第三表达式，量化后的输入激活值Iint表示为如下第七表达式：Iint＝clamp2-iI,-2N-1+1,2N-1-1根据所述第四表达式，量化后的权重值Fint表示为如下第八表达式：Fint＝clamp2-jF,-2N-1+1,2N-1-1其中，clamp·函数用于将量化后的值限制在目标量化范围内[-2N-1+1,2N-1-1]；将整数形式的所述初始加法核进一步改写为如下第九表达式： 将所述输入激活尺度因子SI和所述权重尺度因子SF的共享尺度因子定义为如下第十表达式：sA＝min2i,2j则根据i和j之间的关系，将所述第九表达式的所述初始加法核转换为量化加法核如下：若ij，则表示为如下第十一表达式： 若i＝j，则表示为如下第十二表达式： 若ij，则表示为如下第十三表达式： 对所述量化加法核进行去偏量化处理，得到目标量化加法核，在所述初始全加网络中将所述初始加法核替换为所述目标量化加法核，得到待训练的量化全加网络；其中，所述对所述量化加法核进行去偏量化处理，得到目标量化加法核，包括：在所述量化加法核中，若所述权重尺度因子SF大于1，则将所述权重尺度因子SF重新定义为如下第十四表达式： j重新表示为如下第十五表达式： 其中，F′Me和F″Me分别表示权重分布中的负值中位数和正值中位数；基于基准全加网络模型对所述待训练的量化全加网络进行去偏量化训练，得到训练后的目标量化全加网络，其中，所述去偏量化训练以遥感图像样本作为训练样本、以遥感图像的场景分类作为下游任务；基于所述目标量化全加网络，对待识别的任一遥感图像进行场景分类。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；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”。