申请/专利权人：浪潮电子信息产业股份有限公司

申请日：2024-02-29

公开（公告）日：2024-04-02

公开（公告）号：CN117808128A

主分类号：G06N20/00

分类号：G06N20/00;G06N5/04;G06V10/94;G06F9/50

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种数据异构条件下的图像处理方法、联邦学习方法及装置，涉及图像处理技术领域，边缘云服务器根据数据分布相似性对边缘计算设备分簇，簇内边缘计算设备具有相似的数据分布，可以让模型更好的捕捉到数据的特征。边缘计算设备采用残差分级训练的方式进行模型训练，实现细粒度模型训练，缓解数据分布差异大的问题。边缘计算设备与边缘云服务器在联邦学习过程中进行三层模型参数聚合，得到准确可靠的图像处理模型，最终边缘计算设备使用该准确可靠的图像处理模型进行图像处理，可以提升图像处理的准确性与可靠性。

主权项：1.一种数据异构条件下的图像处理方法，其特征在于，应用于作为数据同性簇的簇头的边缘计算设备，包括：使用本地图像数据训练本地模型；其中，使用本地图像数据训练本地模型包括：判断本地模型的模型数据是否偏离全局模型；若否，则计算全局模型的各网络层的模型参数与本地模型中对应网络层的模型参数的残差，并根据所述残差调整本地模型中对应网络层的学习率；若是，则根据全局模型的模型参数与本地模型的模型参数更新本地模型的模型参数；接收所在数据同性簇中的邻居边缘计算设备的本地模型的模型参数；数据同性簇为边缘云服务器根据带权无向图对各边缘计算设备进行分簇的结果；带权无向图根据各边缘计算设备的数据分布相似性构建得到；带权无向图中相连的两个边缘计算设备互为邻居边缘计算设备；聚合自身的本地模型的模型参数与邻居边缘计算设备的本地模型的模型参数，得到第一层模型参数聚合结果，并将自身的本地模型的模型参数更新为所述第一层模型参数聚合结果；聚合簇内的各个边缘计算设备发送的本地模型的模型参数，得到第二层模型参数聚合结果，并将第二层模型参数聚合结果发送给边缘云服务器，以使边缘云服务器聚合各数据同性簇的第二层模型参数聚合结果，得到第三层模型参数聚合结果；接收所述边缘云服务器在以所述第三层模型参数聚合结果作为模型参数的图像处理模型收敛时下发的所述图像处理模型，并使用所述图像处理模型处理图像。

全文数据：

权利要求：

百度查询： 浪潮电子信息产业股份有限公司 数据异构条件下的图像处理方法、联邦学习方法及装置

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