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！

龙图腾网获悉北京邮电大学申请的专利基于任务迁移的联邦无监督图像分类模型训练方法、分类方法及设备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：CN116229170B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202310199005.0，技术领域涉及：G06V10/764；该发明授权基于任务迁移的联邦无监督图像分类模型训练方法、分类方法及设备是由高志鹏;赵晨;杨杨;芮兰兰;莫梓嘉;俞新蕾;段应文设计研发完成，并于2023-03-03向国家知识产权局提交的专利申请。

本基于任务迁移的联邦无监督图像分类模型训练方法、分类方法及设备在说明书摘要公布了：本发明提供一种基于任务迁移的联邦无监督图像分类模型训练方法、分类方法及设备：获取包含完整标签和部分标签的本地数据集；获取初始神经网络模型，其包括自适应增量层和深度迁移模块；自适应增量层为在初始神经网络模型的每个卷积层后添加一个全连接层；在深度迁移模块中构建域分类和域混淆的竞争机制，并采用知识蒸馏方法保存相关类别之间的信息；采用本地数据集为模型进行训练，构建域分类损失、域混淆损失和软标签损失的联合损失，并根据分类任务平均精度确定任务优先级，训练得到初始图像分类模型；基于各客户端模型参数构建共享模型，并根据共享模型参数更新初始图像分类模型。本发明提供的图像分类模型精度高且能保留个性化局部模型。

本发明授权基于任务迁移的联邦无监督图像分类模型训练方法、分类方法及设备在权利要求书中公布了：1.一种基于任务迁移的联邦无监督图像分类模型训练方法，其特征在于，所述方法在各客户端执行，包括以下步骤： 获取本地数据集，所述本地数据集包括含完整类别标签的源数据和含部分类别标签的目标数据，每个数据包含一张图像样本； 获取初始神经网络模型，所述初始神经网络模型包括自适应增量层和深度迁移模块；所述自适应增量层为在所述初始神经网络模型的每个卷积层后添加一个全连接层；将所述本地数据集的图像样本按批次输入所述初始神经网络模型进行特征提取，利用预设域分类器判别相应图像样本属于所述源数据或所述目标数据，并利用预设预混淆层通过域混淆对齐域，构建域混淆竞争机制；采用知识蒸馏方法利用所述源数据计算每个类别之间的关系数值，并求取各关系数值的平均值作为与相应源数据具备相关性的目标数据的软标签，以输出相应图像样本的类别； 采用所述本地数据集对所述初始神经网络进行训练，构建域分类损失、域混淆损失和软标签损失，根据所述域分类损失、所述域混淆损失和所述软标签损失构建联合损失，并计算各分类任务的平均精度，根据所述平均精度确定每类任务在损失函数中的权重，利用所述联合损失对所述初始神经网络模型的参数进行迭代，得到初始图像分类模型； 将所述初始图像分类模型的模型参数发送至全局服务器，以生成共享模型；所述共享模型由所述全局服务器根据各客户端初始图像分类模型参数加权聚合得到；接收所述共享模型的参数，基于所述自适应增量层更新所述初始图像分类模型，以得到最终的图像分类模型。

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邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。