公开(公告)号：CN119339125A

公开(公告)日：2025-01-21

申请号：CN202411223253.5

申请日：2024-09-03

Applicant: 哈尔滨工程大学

Inventor： 张可佳 ,  陈春伶 ,  潘海为 ,  李哲 ,  于丰铭 ,  王宇华 ,  兰海燕 ,  关键 ,  于金峰

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/098 ,  G06F21/60

Abstract: 一种面向类别不平衡的联邦图像分类方法，它涉及一种联邦图像分类方法。本发明为了解决现有联邦学习方法主要关注数据异构性，无法降低类别不平衡对模型性能影响的问题。本发明具体包括服务器初始化全局高斯分布原型，客户端初始化本地模型参数；将所述全局高斯分布原型下发至客户端；客户端基于本地数据集，利用高斯原型生成类内方差信息，通过配置的损失函数进行本地模型训练；客户端通过随机采样生成平衡的虚拟特征集；客户端将更新后的本地原型上传至服务器；服务器对各客户端上传的本地原型进行聚合，生成新的全局高斯分布原型，并用于下一轮训练；判断是否达到设定的训练轮次或模型收敛。本发明属于图像分类技术领域。