申请/专利权人：重庆邮电大学

申请日：2023-12-01

公开（公告）日：2024-03-22

公开（公告）号：CN117749324A

主分类号：H04L1/00

分类号：H04L1/00;G06F21/62;G06V20/70;G06N3/0455;G06N3/098;G06N3/0464;G06N3/048;G06N3/0985;G06N3/084;H04W12/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及无线通信技术领域，尤其涉及一种基于联邦学习的图像语义通信方法，包括构建并训练图像语义通信系统模型；获取待处理图像数据输入训练好的图像语义通信系统模型，得到恢复图像；采用联邦学习方法训练图像语义通信系统模型；本发明通过采用变分自编码器实现图像的语义编码和语义解码，通过FL训练系统模型，将训练过程和学习过程下放到分散的用户边缘设备中，充分利用了用户本地数据，最终进行模型的聚合更新，使系统能够更好地理解和恢复用户发送和接收的图像数据，同时也保护了用户数据的隐私。

主权项：1.一种基于联邦学习的图像语义通信方法，其特征在于，包括构建并训练基于变分自编码器的图像语义通信系统模型；获取待处理图像数据输入训练好的图像语义通信系统模型，得到恢复图像；其中，图像语义通信系统模型的训练过程包括：S1.由中心服务器下发系统模型初始化参数，所述系统模型用于进行图像语义通信；S2.各用户端接收系统模型初始化参数，并将系统模型初始化参数作为本地模型参数；S3.各用户端基于本地数据参数损失函数和本地数据对本地模型进行训练，生成新的本地模型参数并计算当前的本地局部梯度；S4.各用户端采用基于差分隐私的随机算法对本地局部梯度进行处理，得到预处理本地局部梯度；S5.各用户端将预处理本地局部梯度上传给中心服务器，中心服务器根据所有用户端上传的预处理本地局部梯度计算出对应的本地模型参数，将所有用户端的本地模型参数聚合得到更新的聚合模型参数；S6.中心服务器将聚合模型参数下发至各用户端，各用户端根据聚合模型参数更新本地模型参数；S7.各用户端基于当前本地模型参数判断本地模型是否达到最大迭代次数或收敛，若是则保存当前本地模型参数，否则返回步骤S3。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于联邦学习的图像语义通信方法

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