申请/专利权人：之江实验室

申请日：2024-01-08

公开（公告）日：2024-04-23

公开（公告）号：CN117557870B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/74

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本申请涉及一种基于联邦学习客户端选择的分类模型训练方法、系统及介质，其中，基于联邦学习客户端选择的分类模型训练方法包括：初始化全局模型，并初始化虚拟队列、客户端相似度矩阵以及客户端选中频率矩阵；在每一次迭代训练过程中，基于所述虚拟队列、所述客户端相似度矩阵以及所述客户端选中频率矩阵，确定参与本轮训练的K个客户端；将所述全局模型发送至所述K个客户端进行并行训练，得到聚合后的全局模型；更新所述虚拟队列、所述客户端相似度矩阵以及所述客户端选中频率矩阵，并重复所述迭代训练过程直至达到设定的迭代次数，获得训练好的全局模型；使用训练好的全局模型对目标数据集进行分类，得到分类结果，提高了图像分类的精度。

主权项：1.一种基于联邦学习客户端选择的分类模型训练方法，其特征在于，所述方法包括：初始化全局模型，并初始化虚拟队列、客户端相似度矩阵以及客户端选中频率矩阵；在每一次迭代训练过程中，基于所述虚拟队列、所述客户端相似度矩阵以及所述客户端选中频率矩阵，在客户端备选集合中确定参与本轮训练的K个客户端；包括：若本轮训练为第一轮训练，则选择客户端备选集合中所有的客户端参与本轮训练，并更新所述虚拟队列、所述客户端相似度矩阵以及所述客户端选中频率矩阵；否则初始化客户端选择集合为空集；基于所述客户端相似度矩阵以及所述客户端选中频率矩阵，确定所述客户端备选集合中任一第一客户端所对应的第二客户端；具体包括：对于所述客户端备选集合中任一第一客户端，基于所述客户端相似度矩阵以及所述客户端选中频率矩阵，搜索与所述第一客户端的相似度小于第一约束参数，且与所述第一客户端在之前所有训练轮次中被选中频率差别最大的客户端为第二客户端；在每一次选择客户端的过程中，判断各所述第一客户端以及对应的第二客户端是否在当前的客户端选择集合中，得到当前的被选中的结果；基于所述当前的被选中的结果、所述虚拟队列以及所述客户端相似度矩阵，每次在所述客户端备选集合中确定一个被选择客户端，将所述被选择客户端从所述客户端备选集合移出，并将其添加至所述客户端选择集合中；直至所述客户端选择集合中包含K个客户端；将所述全局模型发送至所述K个客户端进行并行训练，获得各所述客户端的梯度，并基于各所述客户端的梯度得到聚合后的全局模型；更新所述虚拟队列、所述客户端相似度矩阵以及所述客户端选中频率矩阵，并重复所述迭代训练过程直至达到设定的迭代次数，获得训练好的全局模型；使用训练好的全局模型对目标数据集进行分类，得到分类结果。

全文数据：

权利要求：

百度查询： 之江实验室 基于联邦学习客户端选择的分类模型训练方法及系统

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