公开(公告)号：CN119089981A

公开(公告)日：2024-12-06

申请号：CN202411190638.6

申请日：2024-08-28

Applicant: 西南财经大学

Inventor： 刘贵松 ,  占求港 ,  黄鹂 ,  曹锦波 ,  丁浩伦 ,  陶然 ,  解修蕊 ,  高强

IPC: G06N3/098 ,  G06N3/049 ,  G06N3/0464 ,  G06N3/045 ,  G06T1/20

Abstract: 本发明涉及联邦学习技术，其公开了一种边缘设备视觉模块的联邦学习方法，解决现有边缘设备视觉模块基于SNN网络的联邦学习方案存在的通信成本高、模型准确率低、收敛速度慢的问题。本发明方案中，在一个全局训练轮次中，参与本轮训练的边缘设备计算点火率上传服务器；服务器根据点火率筛选设备进行本地训练并上传更新的模型参数至服务器；服务器对本地训练的设备上传的更新的模型参数进行聚合，更新全局模型，将更新的全局模型下发至各个边缘设备中，通过上述步骤进行迭代训练，最终获得训练完成的模型。本发明适用于智能家居设备等异构的边缘设备视觉模块中图像识别模型的训练。