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！

龙图腾网获悉西安电子科技大学申请的专利针对联邦域自适应目标检测的梯度分解方法及电子设备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：CN119418033B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202411352344.9，技术领域涉及：G06V10/25；该发明授权针对联邦域自适应目标检测的梯度分解方法及电子设备是由武阿明;于佳平;张自会;邓成设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本针对联邦域自适应目标检测的梯度分解方法及电子设备在说明书摘要公布了：本发明公开了一种针对联邦域自适应目标检测的梯度分解方法及电子设备，涉及联邦学习技术领域，解决了现有技术中针对联邦域泛化目标检测任务中存在的梯度纠缠问题；该方法包括：分别将不同的待检测图像输入至不同的客户端中，根据客户端中的本地模型采集待检测图像的多个目标检测框，并分别计算多个目标检测框的检测损失值；根据各个本地模型对应的检测损失值计算本地模型中的参数梯度，使用主成分分析对来自每个客户端的梯度进行分解，并仅将主梯度传递给服务器进行进一步聚合，根据聚合结果得到目标模型；实现了在分解梯度的基础上，引入了专门的对抗性攻击来合成对抗性样本，进一步提高了泛化能力。

本发明授权针对联邦域自适应目标检测的梯度分解方法及电子设备在权利要求书中公布了：1.一种针对联邦域自适应目标检测的梯度分解方法，其特征在于，包括：S1，利用客户端中的本地模型采集待检测图像的多个目标检测框，并分别计算所述多个目标检测框的检测损失值；其中，不同客户端的待检测图像不同；S2，根据检测目标框对应的所述检测损失值计算所述本地模型的参数梯度，并对所述参数梯度进行主成分分析，得到各个本地模型对应的主梯度，具体的对所述参数梯度进行主成分分析，得到各个本地模型对应的主梯度，包括：保留所述参数梯度中的每个元素的卷积核对应的最大方差值，并将小于最大方差值的方差值设置为零，得到各个本地模型对应的主梯度；S3，根据各个本地模型对应的主梯度和各个本地模型对应的所述待检测图像，通过快速梯度符号方法生成各个本地模型对应的对抗样本；具体的，根据各个本地模型对应的主梯度和各个本地模型对应的所述待检测图像，通过快速梯度符号方法生成各个本地模型对应的对抗样本，包括：根据所述待检测图像、所述本地模型对应的参数和所述本地模型对应的主梯度，生成所述待检测图像对应的训练样本损失值；根据所述训练样本损失值生成梯度扰动；利用Sign函数将所述梯度扰动转换为对抗噪声，并将所述对抗噪声添加至所述待检测图像上，从而生成各个本地模型对应的对抗样本；其中，所述对抗样本的生成公式表示为：Iadv＝x+εSigng；其中，Iadv表示对抗样本；x表示待检测图像；ε表示步长参数；Sign·表示Sign函数；g表示梯度扰动；S4，根据各个本地模型对应的对抗样本计算新的梯度参数，并对新的梯度参数进行主成分分析，得到各个本地模型当前轮次的主梯度；S5，将各个本地模型当前轮次的主梯度输入至中央服务器上进行聚合，得到聚合结果，根据聚合结果对全局模型进行更新，并将更新后的全局模型下发至各个客户端，用于更新各个客户端中的本地模型；S6，判断各个本地模型中当前轮次的主梯度是否大于第一阈值，若是，执行S7，若否，返回S3；S7，将各个本地模型当前轮次的主梯度上传至中央服务器上进行聚合，得到当前轮次的聚合结果，并根据当前轮次的聚合结果得到目标模型。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。