申请/专利权人:复旦大学
申请日:2022-09-09
公开(公告)日:2024-03-22
公开(公告)号:CN117746173A
主分类号:G06V10/774
分类号:G06V10/774;G06N3/0464;G06N3/08;G06V10/25;G06V10/77;G06V10/82
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:本发明提供一种基于知识蒸馏和模型集成的跨域联邦目标检测方法,其特征在于,包括:联合训练步骤,参与联邦学习的多个客户端利用本地的个性化数据,在从服务器获得的基模型的基础上训练本地的个性化检测模型;服务器收集不同的客户端的个性化模型,利用服务器的大量数据,以客户端模型作为教师模型,进行多教师蒸馏,获得聚合模型;模型集成步骤,服务器将聚合模型发送给客户端,客户端对聚合模型进行微调获得个性化模型,并利用聚合模型和个性化模型进行模型集成,即对模型的输出检测框进行加权聚合。本发明能够应对跨域场景下的联合模型检测模型训练问题,有效提升了客户端模型的泛化性。
主权项:1.一种基于知识蒸馏和模型集成的跨域联邦目标检测方法,用于在不汇总客户端原始图像的情况下进行联合检测模型的训练,其特征在于,包括以下步骤:联合训练步骤,参与联邦学习的各个所述客户端利用其本地的个性化数据,基于从服务器获得的基模型训练个性化检测模型,所述服务器收集各个所述客户端的所述个性化检测模型,并利用所述服务器中的数据,以所述个性化检测模型为教师模型,进行多教师蒸馏,获得聚合模型;模型集成步骤,所述服务器将所述聚合模型发送给各个所述客户端,所述客户端对所述聚合模型进行微调获得个性化模型,并利用所述聚合模型和所述个性化模型进行模型集成,获得联合检测模型。
全文数据:
权利要求:
百度查询: 复旦大学 基于知识蒸馏和模型集成的跨域联邦目标检测方法及系统
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。