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！

龙图腾网恭喜杭州宇泛智能科技股份有限公司申请的专利面向边缘计算的自适应零售行为识别模型优化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：CN119358626B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202411876379.2，技术领域涉及：G06N3/082；该发明授权面向边缘计算的自适应零售行为识别模型优化方法是由于建;胡兵;王龙设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本面向边缘计算的自适应零售行为识别模型优化方法在说明书摘要公布了：本申请实施例提供一种面向边缘计算的自适应零售行为识别模型优化方法，方法包括：基于初始零售行为识别模型构建权重评估矩阵，初始零售行为识别模型包含商品交互、结算操作和顾客动线三类行为识别任务，利用L2范数计算每层神经元权重的重要性分数，结合重要性分数与层间连接密度生成多维度评估指标，根据评估指标设定自适应剪枝阈值；在边缘设备采集实时零售场景数据，提取商品操作、顾客移动轨迹和购物行为时序特征构建样本缓存池，基于样本缓存池计算特征重要性，对量化模型进行选择性在线更新；本申请能够通过构建智能化的模型优化和在线更新框架，提升系统在边缘设备上的运行效率和识别准确性。

本发明授权面向边缘计算的自适应零售行为识别模型优化方法在权利要求书中公布了：1.一种面向边缘计算的自适应零售行为识别模型优化方法，其特征在于，所述方法包括：基于初始零售行为识别模型构建权重评估矩阵，所述初始零售行为识别模型包含商品交互、结算操作和顾客动线三类行为识别任务，具体包括：对所述初始零售行为识别模型中每层卷积核与全连接层的权重参数进行量化映射，利用稀疏矩阵表示法将所述权重参数重构为M×N维评估矩阵，M表示输入特征通道数，N表示输出特征通道数，在所述评估矩阵中记录权重参数的数值大小与拓扑连接关系；将输入的零售场景图像数据通过共享主干网络提取底层特征，在所述共享主干网络后设置三个并行分支网络，所述并行分支网络分别包含用于商品交互、结算操作和顾客动线识别的卷积模块与全连接模块，基于任务相关性对所述并行分支网络间的特征进行自适应融合；利用L2范数计算每层神经元权重的重要性分数，结合所述重要性分数与层间连接密度生成多维度评估指标，根据所述评估指标设定自适应剪枝阈值，采用递归方式逐层进行结构化剪枝，对所述剪枝后的模型执行参数重构与梯度补偿得到轻量化模型，具体包括：将每层神经元的权重向量表示为W={w1,w2,...,wn}，计算所述权重向量的L2范数值||W||2作为基础评分，对所述权重向量应用滑动窗口计算局部敏感度，基于所述基础评分与局部敏感度的乘积得到神经元权重的重要性分数，将所述重要性分数与该层的输入输出连接密度相乘获取多维度评估指标；基于所述多维度评估指标计算每层的期望压缩率，将所述期望压缩率与预设基准阈值的加权和作为自适应剪枝阈值，从输入层至输出层递归遍历网络结构，移除权重重要性分数低于所述自适应剪枝阈值的神经元连接，对剩余神经元的权重执行重参数化，通过引入梯度补偿项优化剪枝后的模型参数分布；在所述轻量化模型的训练过程中构建量化感知层，将所述量化感知层的模型参数与中间激活值的数值分布映射至最优量化区间，通过计算每层输出对权重扰动的梯度变化率获取对应的梯度敏感度，基于层输出特征图的像素分布概率计算香农熵得到对应的特征信息熵，利用不同零售场景下的验证样本计算性能指标变化率建立自适应权重函数，所述验证样本包括自助结算、货架商品拿取和顾客驻留行为，具体包括：对量化感知层输出的特征图执行像素值统计，将像素值分布离散化为K个等间隔区间，统计每个区间的像素数量并归一化得到概率分布向量P={p1,p2,...,pk}，基于所述概率分布向量计算香农熵H=-∑pilogpi作为特征信息熵，使用指数滑动平均法对所述特征信息熵进行时序平滑处理；构建验证样本集合，所述验证样本集合包含自助结算场景下的支付操作序列、货架区域的商品拿取动作序列和顾客驻留区域的行为序列，在所述验证样本集合上执行模型推理得到各类任务的识别准确率，计算量化参数变化对识别准确率的影响程度，基于所述影响程度构建递增的权重映射函数；根据所述自适应权重函数计算所述梯度敏感度与所述特征信息熵的权重比例，将所述权重比例应用于层重要性评分计算，根据所述层重要性评分确定关键层并保持16位浮点数精度，对非关键层执行8位定点数量化，引入噪声扰动与补偿机制优化所述量化误差，生成适配边缘设备的量化模型；在边缘设备采集实时零售场景数据，提取商品操作、顾客移动轨迹和购物行为时序特征构建样本缓存池，基于所述样本缓存池计算特征重要性，对所述量化模型进行选择性在线更新，通过异步参数聚合与增量学习相结合的方式实现模型持续优化。

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杭州宇泛智能科技股份有限公司，其通讯地址为：310000 浙江省杭州市余杭区仓前街道时尚万通城3幢24层、25层、26层；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”。