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！

龙图腾网获悉广东工业大学申请的专利基于联邦学习的协同多星目标检测方法、系统及存储介质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：CN120932116B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202510847757.2，技术领域涉及：G06V20/13；该发明授权基于联邦学习的协同多星目标检测方法、系统及存储介质是由庞艳华;周郭许;李晶;丰超;吴勋;邓轩设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本基于联邦学习的协同多星目标检测方法、系统及存储介质在说明书摘要公布了：本申请公开了一种基于联邦学习的协同多星目标检测方法、系统及存储介质，该方法包括：S1多个卫星分别根据各自本地的私有影像数据训练轻量化检测模型，本地模型训练包括异构数据适配和本地模型更新；S2地面中央服务器接收各卫星训练得到的模型参数，并进行联邦聚合处理以生成全局模型；S3以地面多源视觉大模型为教师模型，以全局模型为学生模型，进行特征层蒸馏和输出层蒸馏，得到优化后的全局模型，进而得到全局参数；S4根据全局参数更新各卫星本地模型并对各卫星相应影像数据进行检测。本申请实施例旨在解决联邦学习中模型收敛效率低、异构数据偏差大的问题，最终实现多卫星间模型参数高效共享与协同进化，提升在轨小模型跨星部署的泛化能力与检测精度。

本发明授权基于联邦学习的协同多星目标检测方法、系统及存储介质在权利要求书中公布了：1.一种基于联邦学习的协同多星目标检测方法，其特征在于，包括： S1多个卫星分别根据各自本地的私有影像数据训练轻量化检测模型，本地模型训练包括异构数据适配和本地模型更新； S2地面中央服务器接收各卫星训练得到的模型参数，并进行联邦聚合处理以生成全局模型； 步骤S2包括： S21根据各卫星数据量、模型精度及数据分布相似性，设计动态权重分配策略； S22采用差分隐私技术，在参数上传前添加高斯噪声，确保单星数据特征不可逆推； S23聚合加权参数，更新全局模型； 步骤S21如下式： ； 其中，表示卫星客户端s的权重，表示数据量，表示模型精度，表示数据分布熵，、和表示相应参数的子权重，N表示参与联邦学习的卫星总数； S3以地面多源视觉大模型为教师模型，以全局模型为学生模型，进行特征层蒸馏和输出层蒸馏，得到优化后的全局模型，进而得到全局参数； 步骤S3中的特征层蒸馏通过均方误差约束学生模型与教师模型的特征图分布一致性，如下式： ； 其中，表示特征层蒸馏的损失函数，表示对数据分布D中的样本x进行期望计算，即对所有样本的平均，表示学生模型的特征图，表示教师模型的特征图； 步骤S3中的输出层蒸馏则是利用KL散度对齐检测框置信度与分类概率分布，如下式： ； 其中，表示KL散度损失函数，表示对数据分布D中的样本x进行期望计算，即对所有样本的平均，表示类别的总数，表示教师模型对于第类的预测概率，表示学生模型对于第类的预测概率； S4根据全局参数更新各卫星本地模型并对各卫星相应影像数据进行检测。

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广东工业大学，其通讯地址为：510000 广东省广州市越秀区东风东路729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。