摘要
本发明涉及深度学习与计算机视觉技术领域，具体为一种多场景图像风格迁移与边缘计算优化方法，包括：通过自动化策略搜索智能体确定最优优化策略；根据最优优化策略，采用统一损失函数对学生模型同时执行知识蒸馏与结构化剪枝；并使用包含感知损失的精度适配损失函数对模型进行量化感知训练。本发明通过构建一个由复合奖励函数驱动的、自动化闭环优化框架，将模型剪枝、量化等多个环节协同考虑，解决了传统优化方法依赖人工、效率低下且难以兼顾模型性能与艺术质量的难题，能够为特定边缘硬件和多场景应用需求，自动生成综合表现最佳的定制化模型。
