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！

龙图腾网获悉长春大学申请的专利一种基于个性化联邦学习的图像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：CN117253072B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202310972375.3，技术领域涉及：G06V10/764；该发明授权一种基于个性化联邦学习的图像分类方法是由徐大伟;陈天欣;赵剑;李念峰;张洪杰;赵国罡设计研发完成，并于2023-08-03向国家知识产权局提交的专利申请。

本一种基于个性化联邦学习的图像分类方法在说明书摘要公布了：本发明涉及一种基于个性化联邦学习的图像分类方法，属于计算机图像处理技术领域。本方法将模型解耦和模型对比学习应用到个性化联邦学习中的图像分类任务中，使联邦学习能够训练出一个能够适应所有客户端本地数据的个性化全局模型。由于在整体数据集训练的全局模型比在倾斜子集训练的局部模型能学习更好的表征，本发明通过在客户端的本地模型更新中加入模型对比的正则化损失函数，让局部模型的特征提取器不断靠近表征学习更好的全局模型的特征提取器，可以减少局部模型之间的表现差异，从而产生更好的个性化全局模型。相较现有技术，本发明在通信效率上可以较快达到收敛，在可扩展性方面有更好优势。

本发明授权一种基于个性化联邦学习的图像分类方法在权利要求书中公布了：1.一种基于个性化联邦学习的图像分类方法，其特征在于，包括以下步骤： 步骤1：服务器随机初始化全局模型的参数，并发送给每个参与训练的客户； 在联邦学习中设置N个客户端，记为C，....，C，每个客户端C都有一个本地数据其中x,y是一个样本数据，x是样本的输入特征，y是样本对应的标签；Ki是本地数据中的样本数量，表示本地数据的大小； 模型训练前，服务器先对第t轮的全局模型进行随机初始化，得到表示全局模型初始化的分类器，表示第t轮全局模型的特征提取器；在模型训练的过程中，服务器将第t轮的全局模型发送给参与训练的客户端； 步骤2：参与训练的客户端接收全局模型后，在本地数据集上使用随机梯度下降更新模型； 客户端获得第t轮初始化的局部模型N表示参与模型训练的客户端数量，t∈[1,T]，T表示模型训练的通信总次数，表示第t-1轮的全局模型；每个客户端使用本地数据Di进行epochsE的更新；客户端Ci接收服务器发送给Ci第t-1轮的全局模型表示全局模型初始化的分类器，表示第t-1轮全局模型的特征提取器；客户端更新第t轮局部模型的特征提取器将局部模型的分类器进行初始化，并设置为全局模型初始化的分类器得到表示局部模型初始化的分类器；客户端Ci利用本地数据，更新第t轮局部模型的特征提取器其中客户端的本地损失包含监督学习中的交叉熵损失和模型对比损失 步骤3：客户端更新模型后，将训练的本地模型参数上传给服务器； 每个客户端各自独立使用本地数据来训练局部模型后，参与模型训练的客户端将第t轮局部模型的特征提取器都发送给服务器进行聚合； 步骤4：服务器对客户端上传的模型参数进行平均聚合，并更新全局模型，用于下一轮的训练； 服务器平均聚合参与训练的N个客户端的第t轮局部模型的特征提取器将第t轮全局模型的特征提取器更新为： 其中，∪表示集合等于所有在N中的i的集合的并集； 重复步骤1-4，直到全局模型达到收敛；在模型训练T轮之后，得到表示全局模型初始化的分类器，表示第T轮全局模型的特征提取器，表示第T轮的全局模型； 步骤5：采用训练好的全局模型，进行图像预处理和特征提取，完成图像分类。

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长春大学，其通讯地址为：130022 吉林省长春市朝阳区卫星路6543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”。

以上内容由龙图腾AI智能生成。