公开(公告)号：CN111860581A

公开(公告)日：2020-10-30

申请号：CN202010527841.3

申请日：2020-06-11

Applicant: 南京邮电大学

Inventor： 朱洪波 ,  周星光 ,  赵海涛 ,  陈志远 ,  于建国 ,  刘洪久

IPC: G06K9/62

Abstract: 本发明公开了一种基于模型离散度的联邦学习训练方法。涉及边缘计算中的人工智能领域，本发明在现实环境中数据往往不平均且呈非独立同分布，数据的不平衡分布会使各个客户端上传到中央服务器的模型更新存在着不同程度的差异，因此随机挑选客户端参与训练难以训练出高质量的模型。同时，数据的不平衡分布还会放大过拟合造成的影响，严重时导致模型发散。该方法为了在数据不平衡的情况下训练出高质量的模型，采用动态损失函数的更新策略来提高模型的稳定性，并根据模型重要性来选择客户端，从而提高模型的准确度和收敛速度。同时在这两者基础上选取较大的遍历次数和适当的正则化参数μ，使模型的性能达到最佳。

公开(公告)号：CN111860145B

公开(公告)日：2022-08-26

申请号：CN202010528145.4

申请日：2020-06-11

Applicant: 南京邮电大学

Inventor： 赵海涛 ,  吴永琦 ,  陈志远 ,  于建国 ,  刘洪久 ,  鲁中林

IPC: G06V40/16 ,  G06V10/94 ,  H04L67/10

Abstract: 本发明公开了一种基于边缘计算和最大似然估计的人脸识别系统优化方法。该方法采用边缘计算和最大似然估计的方法优化边缘端和云端人脸识别系统的计算力分配。本发明的具体步骤为：(1)、从历史访问数据库中获取历史访问数据，根据数据预测将来一段时间内的系统压力情况；(2)、从摄像头采集图像数据，并进行预处理；(3)、在边缘计算模块中根据压力情况分配计算力；(4)、进行本地端或是云端的人脸识别；(5)、从本地端或云端获取结果并返回到系统。本发明在使用云服务的同时又充分挖掘了边缘端设备的计算能力，通过边缘端和云端的交互优化，实现了一个成本低，识别准确率高，应对大压力冲击能力强的人脸识别系统。

公开(公告)号：CN111860145A

公开(公告)日：2020-10-30

申请号：CN202010528145.4

申请日：2020-06-11

Applicant: 南京邮电大学

Inventor： 赵海涛 ,  吴永琦 ,  陈志远 ,  于建国 ,  刘洪久 ,  鲁中林

IPC: G06K9/00 ,  H04L29/08

Abstract: 本发明公开了一种基于边缘计算和最大似然估计的人脸识别系统优化方法。该方法采用边缘计算和最大似然估计的方法优化边缘端和云端人脸识别系统的计算力分配。本发明的具体步骤为：(1)、从历史访问数据库中获取历史访问数据，根据数据预测将来一段时间内的系统压力情况；(2)、从摄像头采集图像数据，并进行预处理；(3)、在边缘计算模块中根据压力情况分配计算力；(4)、进行本地端或是云端的人脸识别；(5)、从本地端或云端获取结果并返回到系统。本发明在使用云服务的同时又充分挖掘了边缘端设备的计算能力，通过边缘端和云端的交互优化，实现了一个成本低，识别准确率高，应对大压力冲击能力强的人脸识别系统。