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！

龙图腾网获悉哈尔滨工程大学申请的专利一种面向类别不平衡的联邦图像分类方法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：CN119339125B 。

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：202411223253.5，技术领域涉及：G06V10/764；该发明授权一种面向类别不平衡的联邦图像分类方法是由张可佳;陈春伶;潘海为;李哲;于丰铭;王宇华;兰海燕;关键;于金峰设计研发完成，并于2024-09-03向国家知识产权局提交的专利申请。

本一种面向类别不平衡的联邦图像分类方法在说明书摘要公布了：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。

本发明授权一种面向类别不平衡的联邦图像分类方法在权利要求书中公布了：1.一种面向类别不平衡的联邦图像分类方法，其特征在于，具体步骤包括： 步骤1、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； 步骤2、将所述全局高斯分布原型下发至客户端； 步骤3、客户端基于本地图像数据集，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，生成本地原型； 其中，本地高斯原型通过计算每类样本的均值和协方差获得，用以捕捉类内方差信息并增强分类模型的鲁棒性： 1 2 公式1和2中，表示第i个客户端第k类的第j个输入样本的特征向量，为本地高斯原型的均值，为协方差矩阵，表示第i个客户端中类别k样本的数量； 在客户端引入类别感知的高斯原型学习，其损失函数如下： 3 公式3中，表示第i个客户端的类别感知的高斯原型学习的损失函数，对于第i个客户端的，且，为相似度度量函数，用于度量输入样本和全局原型的第k类均值之间的距离； 步骤4、客户端通过随机采样生成平衡的虚拟特征集，并结合全局和本地原型重新训练分类器； 其中，所述虚拟特征集由全局和本地高斯原型通过随机采样融合生成，确保融合特征既具有全局信息又能够保留本地特征； 4 公式4中，表示本地虚拟特征，表示全局虚拟特征，为融合系数，用于平衡全局和本地特征； 步骤5、客户端将更新后的本地原型上传至服务器； 步骤6、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； 步骤7、判断是否达到设定的训练轮次或模型收敛，若是则训练结束，若否则重复步骤2至步骤6。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145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。