龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：湖南苏科智能科技有限公司
摘要：本申请涉及了一种基于数据分布聚簇式联邦学习的安检模型升级方法和装置，本方法在服务器将初始全局模型发送至各个客户端节点之后，由各个客户端节点将对应本地安检图像划分为普通的第一图像和高价值的第二图像，各个客户端节点搭建由普通数据的描述符和高价值数据的描述符组合的本地安检图像的特征描述符，该特征描述符确保对应的客户端贡献代表其本地安检图像的数据分布特点重要信息，然后由服务器通过特征描述符对客户端节点进行分簇，能够平衡各客户端对全局模型的贡献，使得具有同类的高价值数据的一类客户端节点更容易被分到同一个簇中，使得同一簇中的客户端节点的高价值数据分布差异相对较小，进而提高模型聚合的效果。
主权项：1.一种基于数据分布聚簇式联邦学习的安检模型升级方法，其特征在于，用于服务器，所述方法包括：向多个客户端节点发送初始全局模型；获取所述多个客户端节点的对应特征描述符，其中，第个客户端节点的特征描述符通过如下方式获取： ； ； ； ； ； ； ； ；其中，表示修正线性单元函数；表示双曲正切函数；表示权重系数；表示逐元素点乘；表示所述第个客户端节点提取对应的本地安检图像的特征向量；表示所述本地安检图像的索引；表示第一图像的数据量；表示第二图像的数据量；表示所述第个客户端节点提取对应的本地安检图像的数据量，所述第一图像是指具有所述初始全局模型的检测结果的所述本地安检图像；所述第二图像是指不具有所述初始全局模型的检测结果的所述本地安检图像；根据所述特征描述符对所述多个客户端节点进行分簇，得到分簇结果；根据所述分簇结果对所述多个客户端节点的所述初始全局模型进行训练，直至每一个客户端节点均获得将所述初始全局模型训练完成的安检模型。
全文数据：
权利要求：
百度查询： 湖南苏科智能科技有限公司 基于数据分布聚簇式联邦学习的安检模型升级方法和装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号