[发明专利]基于强化联邦域泛化的图像分类模型训练方法及系统在审
| 申请号： | 202211539820.9 | 申请日： | 2022-12-03 |
| 公开（公告）号： | CN115731424A | 公开（公告）日： | 2023-03-03 |
| 发明（设计）人： | 李雅文;管泽礼;薛哲 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06N20/00 |
| 代理公司： | 北京金咨知识产权代理有限公司 11612 | 代理人： | 王晓雅 |
| 地址： | 100876 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请提供一种基于强化联邦域泛化的图像分类模型训练方法及系统，方法包括：本申请基于强化学习设计了特征去相关策略，将样本加权转化为在联邦学习客户端间共享的参数化策略。通过经验回放，补充特征全局信息，在联邦学习的过程中从全局的角度对特征去相关，各客户端基于加权后的样本训练模型。使训练后的全局模型学习到特征与标签的根本关联，泛化到未知域图像数据。本申请能够针对使联邦学习中的图像分类模型训练过程中的在未知域图像数据进行域具有泛化能力，能够防止图像分类模型在联邦训练过程中学习到数据中的虚假关联，能够有效提高图像分类模型训练过程的有效性及可靠性，进而能够提高应用图像分类模型进行图像分类的有效性及准确性。 | ||
| 搜索关键词： | 基于 强化 联邦 泛化 图像 分类 模型 训练 方法 系统 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京邮电大学，未经北京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202211539820.9/，转载请声明来源钻瓜专利网。
