買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉河南理工大學申請的專利基于客戶端選取與聚合權重調節的異步聯邦圖像分類方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118628837B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410901899.8，技術領域涉及：G06V10/764；該發明授權基于客戶端選取與聚合權重調節的異步聯邦圖像分類方法及系統是由李亞男;任建吉;原永亮;任雪斌;王藝蒙;王玉光設計研發完成，并于2024-07-05向國家知識產權局提交的專利申請。

本基于客戶端選取與聚合權重調節的異步聯邦圖像分類方法及系統在說明書摘要公布了：本發明涉及圖像分類技術領域，特別涉及一種基于客戶端選取與聚合權重調節的異步聯邦圖像分類方法及系統，利用聯邦學習算法對圖像分類模型進行訓練，得到圖像分類目標模型，所述聯邦學習算法基于歷史圖像數據累積分布進行目標客戶端選取并依據本地模型與全局模型相似性和本地模型間相似性來調節聚合權重；將待識別圖像輸入至圖像分類目標模型中，利用圖像分類目標模型獲取待識別圖像的種類并輸出。本發明可減小數據異質性對全局模型的影響，挖掘本地過時更新模型的有價值信息，提升全局模型的效用，提升異步聯邦圖像分類過程中全局模型的預測性能，可適用于包括但不局限于圖像分類的有監督數據分析場景。

本發明授權基于客戶端選取與聚合權重調節的異步聯邦圖像分類方法及系統在權利要求書中公布了：1.一種基于客戶端選取與聚合權重調節的異步聯邦圖像分類方法，其特征在于，包含： 利用聯邦學習算法對圖像分類模型進行訓練，得到圖像分類目標模型，所述聯邦學習算法基于歷史圖像數據累積分布進行目標客戶端選取并依據本地模型與全局模型相似性和本地模型間相似性來調節聚合權重，其中，數據分布為各類圖像數據在相應圖像數據中所占比例，歷史圖像數據累積分布為將用戶本地圖像數據分布添加至歷史全局圖像數據分布來獲取； 其中，利用聯邦學習算法對圖像分類模型進行訓練，包含： 中心服務器初始化模型參量及全局圖像類別標簽列表，并將初始化的模型參量廣播給所有參與聯邦學習訓練的客戶端，所述所有參與聯邦學習訓練的客戶端組成第一客戶端集合，所述全局圖像類別標簽列表用于記錄已參與全局模型更新的客戶端圖像數據累積分布； 每個客戶端統計本地圖像數據類別標簽列表并發送給中心服務器； 每個客戶端接收全局模型參量并將其作為本地模型參數，從本地圖像數據中隨機抽取最小批數據，利用所述最小批數據對本地模型進行訓練，并將訓練后的本地模型增量及對應客戶端上傳至中心服務器的緩存隊列中； 中心服務器從緩存隊列中按先進先出原則選取指定數量的客戶端，將選取的客戶端組成第二客戶端集合，并基于歷史圖像數據累積分布從第二客戶端集合中選取目標客戶端并更新全局圖像類別標簽列表，將目標客戶端組成第三客戶端集合； 中心服務器基于本地模型與全局模型相似性和本地模型間相似性來調節第三客戶端集合中本地更新聚合權重，并依據聚合權重和第三客戶端集合中目標客戶端更新當前全局模型； 中心服務器將更新后的全局模型參量下發至第二客戶端集合中的所有客戶端，以迭代執行聯邦學習訓練過程，直至滿足預設迭代條件，并獲取圖像分類目標模型； 依據聚合權重和第三客戶端集合中目標客戶端更新當前全局模型的過程表示為： 其中，wt為第t次全局模型更新時當前全局模型，ui為目標客戶端集合中的目標客戶端，Cds為基于過時性的權重調節，為目標客戶端聚合權重的歸一化權重，為目標客戶端本地模型增量，所述過時性為當前全局模型更新時目標客戶端上傳本地模型增量的過時性； 將待識別圖像輸入至圖像分類目標模型中，利用圖像分類目標模型獲取待識別圖像的種類并輸出。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人河南理工大學，其通訊地址為：454000 河南省焦作市高新區世紀大道2001號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。