买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利基于自监督对比学习的个性化联邦学习图像分类方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116664930B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310616080.2，技术领域涉及：G06V10/764；该发明授权基于自监督对比学习的个性化联邦学习图像分类方法及系统是由李骏;罗丹;韦康设计研发完成，并于2023-05-29向国家知识产权局提交的专利申请。

本基于自监督对比学习的个性化联邦学习图像分类方法及系统在说明书摘要公布了：本发明公开了一种基于自监督对比学习的个性化联邦学习图像分类方法及系统，具体为：中央服务器随机初始化全局模型，并下发给每个客户端，客户端的本地模型包括共享层与个性化层；随机选取参与本次聚合的客户端，接收全局模型参数并作为本地模型共享层的初始化参数，使用本地图像数据集基于SimCLR算法进行自监督对比学习分别训练个性化层和共享层，然后客户端将共享层参数上传至中央服务器；中央服务器针对接收到的模型参数，根据客户端数据量基于FedAvg算法进行加权平均，得到聚合后的全局模型，并下发给每个客户端；重复执行直到每个客户端得到一个收敛的个性化模型，用于完成图像分类。本发明安全性好、效率高、准确性好。

本发明授权基于自监督对比学习的个性化联邦学习图像分类方法及系统在权利要求书中公布了：1.一种基于自监督对比学习的个性化联邦学习图像分类方法，其特征在于，包括以下步骤： 步骤1、中央服务器随机初始化全局模型，并下发给每个客户端，客户端的本地模型包括共享层与个性化层； 步骤2、随机选取参与本次聚合的客户端； 步骤3、被选中的各客户端，接收由步骤1下发的全局模型参数并作为本地模型共享层的初始化参数，使用本地图像数据集基于SimCLR算法进行自监督对比学习分别训练个性化层和共享层，完成本地训练后客户端将共享层参数及数据量上传至中央服务器； 步骤3中，基于SimCLR算法进行自监督对比学习，具体为： 在没有数据标签的情况下，SimCLR通过隐藏空间的对比损失最大化相同数据在不同增广下的一致性来学习表达，损失函数为： ； 其中，是图像经过模型的输出，表示之间的余弦相似度，是对比学习的温度系数，2N是一个小批样本N经过成对增广之后得到的数据点个数，是图像经过模型的输出，是正样本对的损失； 随机抽取一个包含N个样本的小批样本，并在小批样本中得到成对增广样本，一共2N个数据点；图像及其增强样本构成一个正样本对，损失函数如上式所示，最后该小批样本上的损失函数为计算2N个数据点中的所有的正样本对的损失平均值； 步骤3中，依次训练个性化层和共享层，具体为： 在第t个通信轮次，客户端加载全局模型后，首先固定共享层参数，基于本地数据进行个性化层参数的训练： ； 其中，是损失函数，是梯度算子，是优化器的学习步长，是客户端i第t轮训练后的个性化层参数； 接着固定个性化层参数，基于本地数据进行共享层参数的训练： ； 其中，是客户端i第t轮训练后的共享层参数； 步骤4、中央服务器针对接收到的模型参数，根据客户端数据量基于FedAvg算法进行加权平均，得到聚合后的全局模型； 步骤5、中央服务器将聚合后的全局模型下发给每个客户端； 步骤6、重复执行步骤2至步骤5，直到每个客户端得到一个收敛的个性化模型，用于完成图像分类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。