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！

龙图腾网恭喜北京邮电大学;有科期刊出版(北京)有限公司申请的专利公共安全信息识别模型的联邦学习方法、识别方法及装置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：CN118521951B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202311311042.2，技术领域涉及：G06V20/52；该发明授权公共安全信息识别模型的联邦学习方法、识别方法及装置是由薛哲;杜军平;龙云飞;邵旭;梁美玉;张天龙设计研发完成，并于2023-10-10向国家知识产权局提交的专利申请。

本公共安全信息识别模型的联邦学习方法、识别方法及装置在说明书摘要公布了：本申请提供公共安全信息识别模型的联邦学习方法、识别方法及装置，方法包括：接收前一轮次的全局模型和每个类下的各个细粒度类各自的细粒度全局原型，根据本地的各个监控图像样本、公共安全信息识别标签、前一轮次的公共安全信息识别全局模型、公共安全信息识别本地模型和各个细粒度本地原型进行层级原型对比学习、批量原型正则化和全局信息蒸馏处理，基于完全损失函数对当前轮次的本地的公共安全信息识别本地模型进行梯度优化。本申请能够解决Non‑IID联邦学习中的类不平衡问题，更准确地重新平衡客户端上样本的特征分布，有效减少局部分类器的偏差，并增强了聚合全局分类器的鲁棒性，进而能够有效提高公共安全信息识别的准确性和有效性。

本发明授权公共安全信息识别模型的联邦学习方法、识别方法及装置在权利要求书中公布了：1.一种公共安全信息识别模型的联邦学习方法，其特征在于，包括：接收服务器发送的前一轮次的公共安全信息识别全局模型以及前一轮次的每个类下的各个细粒度类各自的细粒度全局原型；基于前一轮次的所述细粒度全局原型初始化本地当前轮次的细粒度本地原型，并根据本地的各个监控图像样本、预设的公共安全信息识别标签、前一轮次的公共安全信息识别全局模型、本地的公共安全信息识别本地模型以及各个所述细粒度本地原型进行预设的层级原型对比学习、批量原型正则化以及全局信息蒸馏处理，并基于预设的完全损失函数对当前轮次的本地的公共安全信息识别本地模型进行梯度优化以得到当前轮次的目标公共安全信息识别本地模型和各个目标细粒度本地原型；将所述目标公共安全信息识别本地模型和各个所述目标细粒度本地原型发送至所述服务器，以使该服务器对当前轮次接收到的所有的所述目标细粒度本地原型进行聚合以得到当前轮次的每个类下的各个细粒度类各自的细粒度全局原型，再对当前轮次接收到的所有的所述目标公共安全信息识别本地模型进行聚合以得到当前轮次的公共安全信息识别全局模型；所述公共安全信息识别全局模型包括依次连接的全局特征提取器、全局分类器和聚合矩阵；所述公共安全信息识别本地模型包括依次连接的本地特征提取器、本地分类器和聚合矩阵；相对应的，所述基于前一轮次的所述细粒度全局原型初始化本地当前轮次的细粒度本地原型，并根据本地的各个监控图像样本、预设的公共安全信息识别标签、前一轮次的公共安全信息识别全局模型、本地的公共安全信息识别本地模型以及各个所述细粒度本地原型进行预设的层级原型对比学习、批量原型正则化以及全局信息蒸馏处理，包括：基于所述本地特征提取器提取本地的各个监控图像样本对应的样本特征，并根据所述样本特征将各个所述监控图像样本分别分配至本地的各个细粒度类；根据前一轮次的所述细粒度全局原型初始化本地当前轮次的细粒度本地原型；采用本地的各个监控图像样本对应的样本特征对本地当前轮次的细粒度本地原型进行层级原型对比学习以计算得到层级原型对比学习损失；根据本地的各个监控图像样本对应的样本特征获取对应的批量原型，并根据预设的公共安全信息识别标签、所述全局分类器和聚合矩阵对所述批量原型进行正则化处理以计算得到批量原型正则化损失；基于前一轮次的所述公共安全信息识别全局模型和所述公共安全信息识别本地模型分别获取本地的各个监控图像样本对应的预测概率，并基于所述公共安全信息识别全局模型和所述公共安全信息识别本地模型分别输出的所述预测概率计算全局信息蒸馏损失；以及，根据所述公共安全信息识别本地模型输出的所述预测概率以及预设的公共安全信息识别标签计算去偏分类器学习损失；所述采用本地的各个监控图像样本对应的样本特征对本地当前轮次的细粒度本地原型进行层级原型对比学习以计算得到层级原型对比学习损失，包括：基于下述公式1计算得到层级原型对比学习损失Lhpc： 其中， 在上述公式1至5中，N是重要因子的总和；是样本特征；Dk是由本地的各个监控图像样本组成的本地数据集；Ic,t是重要因子；是样本特征优化参数；Ψpos是监控图像样本对应的正对；α是特征层次距离调整参数；Ψpneg是监控图像样本对应的伪负对；Ψneg是监控图像样本对应的负对；是第c个类下的第t个细粒度类别对应的细粒度局部原型；是第c个类下的第m个细粒度类别对应的细粒度局部原型；是是第j个类下的第m个细粒度类别对应的细粒度局部原型。

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北京邮电大学;有科期刊出版(北京)有限公司，其通讯地址为：100876 北京市海淀区西土城路10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”。