一种基于非线性池化与深度可分离卷积的适用于MCU部署的图像分类方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明提供一种基于非线性池化与深度可分离卷积的适用于MCU部署的图像分类方法,涉及机器学习领域。该图像分类方法,具体包括以下步骤:步骤1.MCU‑BLOCK‑A的获取,对轻量化神经网络MobileNets的深度可分离卷积进行改进得到MCU‑BLOCK‑A,利用一个深度卷积和逐点卷积,并在它们之间加入了BN层和高效通道注意力机制,最后再增加一层深度卷积,并将输入与最后一层深度卷积输出进行残差连接,步骤2.MCU‑BLOCK‑B的获取,步骤3.结合非线性池化层构建模型。本发明所提出的模型参数量低、峰值内存占用少,满足大部分MCU资源需求,并取得了较好的分类性能。将机器学习模型在MCU上运行,可以避免将数据上传到云,极大地保护了数据隐私,加速实时处理和响应,大大减少了能源消耗。
《一种基于非线性池化与深度可分离卷积的适用于MCU部署的图像分类方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2023112089956,当前法律状态为已下证,由安徽大学提出申请,发明人为陈彦明;武钢;张以文,申请日期为2023-09-19,公开(公告)日期为2025-09-02,国际专利分类号(IPC)为 G06V 10/764 (2022.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明提供一种基于非线性池化与深度可分离卷积的适用于MCU部署的图像分类方法,涉及机器学习领域。该图像分类方法,具体包括以下步骤:步骤1.MCU‑BLOCK‑A的获取,对轻量化神经网络MobileNets的深度可分离卷积进行改进得到MCU‑BLOCK‑A,利用一个深度卷积和逐点卷积,并在它们之间加入了BN层和高效通道注意力机制,最后再增加一层深度卷积,并将输入与最后一层深度卷积输出进行残差连接,步骤2.MCU‑BLOCK‑B的获取,步骤3.结合非线性池化层构建模型。本发明所提出的模型参数量低、峰值内存占用少,满足大部分MCU资源需求,并取得了较好的分类性能。将机器学习模型在MCU上运行,可以避免将数据上传到云,极大地保护了数据隐私,加速实时处理和响应,大大减少了能源消耗。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
