公开(公告)号：CN116229172A

公开(公告)日：2023-06-06

申请号：CN202310207512.4

申请日：2023-03-03

Applicant: 北京邮电大学

Inventor： 高志鹏 ,  赵晨 ,  芮兰兰 ,  杨杨 ,  莫梓嘉 ,  俞新蕾 ,  杨岩

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/048 ,  G06N3/08 ,  G06V10/74 ,  G06N3/0464 ,  G06N3/098

Abstract: 本发明提供一种基于对比学习的联邦少样本图像分类模型训练方法、分类方法及设备，包括：构建训练集和查询集，为训练集添加真实标签；获取初始模型，该初始模型包括嵌入网络和关系网络；将训练集样本和查询集样本成对输入嵌入网络，提取训练集样本特征图和查询集样本特征图并进行拼接，生成拼接特征图；将拼接特征图输入关系网络计算得到相似度分数，以得到训练集样本的类别；采用本地数据集对初始模型进行训练，并构建均方误差损失，得到初始图像分类模型；基于各客户端模型参数构建共享模型，并根据共享模型参数，采用指数移动平均更新所述初始图像分类模型，得到最终的图像分类模型。本发明提供的联邦学习模型训练简单且适用非独立同分布场景。

公开(公告)号：CN114358120A

公开(公告)日：2022-04-15

申请号：CN202111452498.1

申请日：2021-11-30

Applicant: 北京邮电大学

Inventor： 高志鹏 ,  芮兰兰 ,  杨杨 ,  杨岩 ,  赵晨 ,  莫梓嘉 ,  林怡静 ,  俞新蕾

IPC: G06K9/62 ,  G06N20/00 ,  G06N3/08 ,  G06F21/62 ,  G06V10/94 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06V40/16

Abstract: 本申请实施例提供数据摘要生成方法、模型训练方法、相关装置及系统，其中的数据摘要生成方法包括：根据接收的全局模型的模型参数以及本地的训练数据所属的模型训练贡献层级，自适应生成本地的训练数据对应的数据摘要，其中，本地的训练数据与多份非本地的训练数据分布式设置，且各份训练数据各自所属的模型训练贡献层级为预先对各份训练数据分别进行分层聚类而得；输出本地的训练数据对应的数据摘要以基于各份训练数据各自对应的数据摘要共同训练全局模型。本申请能够有效提高生成数据摘要的针对性及自适应性，并能够提高数据摘要在分布式学习过程中的有效性及可靠性，进而能够有效提高使用数据摘要训练得到的全局模型的应用有效性及准确性。