申请/专利权人：山东大学

申请日：2023-12-06

公开（公告）日：2024-01-12

公开（公告）号：CN117392483A

主分类号：G06V10/774

分类号：G06V10/774;G06V10/94;G06V10/764;G06V20/30;G06F16/55;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.30#实质审查的生效;2024.01.12#公开

摘要：本申请涉及联邦学习大模型训练加速技术领域，公开基于增强学习的相册分类模型训练加速方法、系统及介质。具体是在手机相册本地智能分类场景中，将手机上传的模型更新的聚合问题转化为增强学习的目标问题，基于增强学习在云服务器中建立手机相册本地分类模型的Q表，Q表中的Q值最大的动作是当前状态下最优的聚合权重分配方案，能够精确表示各个参与联邦学习的手机对全局模型的贡献。在手机相册分类模型聚合过程中提升了聚合后的模型质量，加快了模型收敛速度，降低了通信开销。

主权项：1.一种基于增强学习的相册分类模型训练加速方法，其特征在于，包括：基于增强学习在云服务器中建立手机相册本地分类模型的Q表，所述Q表存储状态-动作对的价值，即Q值；云服务器下发初始化的手机相册本地分类全局模型给参与联邦学习的各个手机；各手机节点利用自身相册中的图片完成本地训练的同时实时获取手机相册特征，并将模型更新和手机相册的特征信息上传给云服务器，所述相册特征包括相册中图片的数量和图片的类别数；云服务器接收到所有参与本轮联邦学习的各个手机节点的模型更新和相册特征信息，建立本轮联邦学习的观察值，所述观察值为手机相册本地分类过程中被观察到的各手机节点的状态；根据该观察值在Q表中查找，选择最大Q值对应的动作，使用选择结果和收集的各手机节点的模型更新进行聚合，获得新的全局模型；重复上述步骤，直到全局模型收敛至预定精度或联邦学习达到预定轮数，云服务器得到训练完成的手机相册本地分类模型，将云服务器中测试图片输入到训练完成的手机相册本地分类模型获得图片分类结果；云服务器测试完成后将手机相册本地分类模型下发给联邦学习系统中的所有手机，各手机节点使用该模型更新或替换自身本地相册分类模型，实现对相册中的图片高精度分类展示。

全文数据：

权利要求：

百度查询： 山东大学 基于增强学习的相册分类模型训练加速方法、系统及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD