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语义聚类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：CN116310530B 。

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：202310205865.0，技术领域涉及：G06V10/764；该发明授权基于语义聚类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;熊子健设计研发完成，并于2023-03-03向国家知识产权局提交的专利申请。

本基于语义聚类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语义聚类的联邦无监督图像分类模型训练方法、分类方法及设备：获取客户端本地数据集；获取初始模型，包括语义聚类模型和预训练得到的编码器网络；将本地数据集随机增强两次生成两个视图，输入初始编码器网络，提取特征向量并构建对比损失，训练得到编码器网络；将本地数据集输入编码器网络提取特征向量，并提取样本的Top‑K近邻样本，利用预设函数计算样本所属于不同集群的向量值，得到样本的类别；采用本地数据集对初始模型训练，构建聚类损失，以得到初始图像分类模型；基于各客户端模型参数构建设有自标记模块的共享模型，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准确率高且适用非独立同分布场景。

本发明授权基于语义聚类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：1.一种基于语义聚类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，所述本地数据集包含多个样本，每个样本包含一张图像； 获取初始模型，所述初始模型包括语义聚类模型和预训练得到的编码器网络；其中，将所述本地数据集的样本进行两次随机增强，生成第一视图和第二视图；将所述第一视图和所述第二视图一同输入初始编码器网络，提取第一特征向量和第二特征向量；采用所述本地数据集对所述初始编码器网络进行训练，并构建第一特征向量和第二特征向量之间的对比损失，以得到训练好的编码器网络；将所述本地数据集按批输入所述语义聚类模型，利用所述编码器网络提取对应样本的特征向量；基于预设神经网络从所述特征向量中提取对应样本的Top-K近邻样本，通过预设Softmax函数计算对应样本所属于不同集群的向量值，以得到对应样本的类别； 采用所述本地数据集对所述初始模型进行训练，并构建聚类损失，利用所述聚类损失对所述初始模型的参数进行迭代，以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，并采用指数移动平均更新所述初始图像分类模型，以得到最终的图像分类模型；其中，所述共享模型还包括自标记模块，所述自标记模块为基于所述共享模型得到的类别设置伪标签，并构建基于所述共享模型得到的类别与相应伪标签之间的交叉熵损失，利用所述交叉熵损失更新所述共享模型参数。

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。