-
公开(公告)号：CN115063630A
公开(公告)日：2022-09-16
申请号：CN202210664405.X
申请日：2022-06-14
Applicant: 北京邮电大学深圳研究院
IPC: G06V10/764 , G06N20/00
Abstract: 本发明涉及计算机视觉技术领域，尤其为基于解耦迁移的联邦学习方法在计算机视觉上的应用，其应用方法包括如下步骤：各个客户端Ci初始化各自的本地模型，包括特征提取器fi和分类器hi，使用本地原始非均衡数据进行本地模型训练，使用特征提取器提取图像特征信息，并在服务端进行全局聚合，再回传更新本地特征提取器，各个客户端本地模型训练完毕后，上传本地特征提取器fi到中心服务器；本发明研究在基本的计算机视觉任务中，基于隐私保护的分布式计算场景下，将解耦表征与领域泛化迁移学习结合，提出一种有效的多方联邦学习技术，通过表征分解、分类器集成等策略来提升模型在多数据域下的泛化性能，并缓解非均衡数据引发的分类偏差问题。
Search Results
1
records
(took 0.025 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
