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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利基于视觉引导属性修正的联邦图像分类方法及系统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：CN121582696B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202610113272.5，技术领域涉及：G06V10/764；该发明授权基于视觉引导属性修正的联邦图像分类方法及系统是由王鑫;王正阳;杨小康;杨明;吴晓明;陈振娅;刘臣胜;贺云鹏;穆超设计研发完成，并于2026-01-28向国家知识产权局提交的专利申请。

本基于视觉引导属性修正的联邦图像分类方法及系统在说明书摘要公布了：本发明属于联邦学习的技术领域，更具体地，涉及一种基于视觉引导属性修正的联邦图像分类方法及系统。所述方法包括：服务器端构建全局模型，所述全局模型用于图像分类，其包括图像编码器、文本编码器、提示学习模块和门控文本修正模块，并将可训练参数下发至参与联邦学习的各客户端；所述客户端基于所述服务器端下发的可训练参数更新初始本地模型中的参数，并利用所述客户端的本地图像数据集对参数更新后的本地模型进行训练；将训练后的本地模型中的参数上传至服务器端进行聚合，以得到目标全局模型。本发明解决了现有基于属性辅助的联邦学习方法中，文本属性静态僵化、无法适应非独立同分布异构数据，以及缺乏跨模态动态交互机制的缺陷。

本发明授权基于视觉引导属性修正的联邦图像分类方法及系统在权利要求书中公布了：1.一种基于视觉引导属性修正的联邦图像分类方法，其特征在于，所述方法包括： S1、于服务器端构建参与联邦学习的全局模型，所述全局模型用于图像分类，其包括图像编码器、文本编码器、提示学习模块和门控文本修正模块，并将所述提示学习模块和门控文本修正模块的参数作为可训练参数下发至参与联邦学习的各客户端； S2、于所述客户端构建与所述全局模型结构一致的初始本地模型，并基于所述服务器端下发的可训练参数更新所述初始本地模型中提示学习模块和门控文本修正模块的参数，并利用所述客户端的本地图像数据集对参数更新后的本地模型进行训练，包括： 基于所述本地模型的文本编码器获取本地图像数据集的原始文本特征； 基于所述本地模型的图像编码器获取本地图像数据集的图像特征，并构建批次级视觉上下文表示，用以修正所述原始文本特征，具体如下： 首先，基于所述本地模型的图像编码器获取本地图像数据集的图像特征，构建批次级视觉上下文表示，具体为： 5 其中，表示批次级视觉上下文表示；表示当前训练批次中第张图像对应的特征表示； 接下来，利用所述批次级视觉上下文表示修正所述原始文本特征，具体为： 将所述原始文本特征和批次级视觉上下文表示共同输入所述本地模型的门控文本修正模块，所述门控文本修正模块包括修正子网络和门控子网络； 其中，所述修正子网络以所述原始文本特征作为输入，通过非线性映射生成原始文本特征的修正向量； 所述门控子网络以所述原始文本特征与批次级视觉上下文表示的组合作为输入，输出位于区间[0,1]内的门控系数； 基于所述原始文本特征的修正向量和门控系数修正所述原始文本特征： 6 其中，表示当前客户端本地第个类别对应的第条属性级文本描述经文本编码器映射得到的原始文本特征，表示原始文本特征对应的修正向量，表示门控系数，表示原始文本特征对应的修正后的文本特征； 基于修正后的文本特征构建联合优化目标，用以训练参数更新后的本地模型，具体包括： 基于修正后的文本特征和所述客户端本地图像数据集中的原始图像，利用所述客户端本地模型的提示学习模块获取文本条件化图像特征表示； 基于所述文本条件化图像特征表示和修正后的文本特征构建分类损失； 基于所述文本条件化图像特征表示和增强后的原始图像的图像特征构建视觉一致性损失； 联合所述分类损失和视觉一致性损失，用以训练参数更新后的本地模型； S3、将训练后的所述本地模型中提示学习模块和门控文本修正模块的参数上传至服务器端进行聚合，用于更新所述全局模型的可训参数，以得到目标全局模型。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250000 山东省济南市长清区西部新城大学科技园；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。