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。

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