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！

龙图腾网获悉山东师范大学申请的专利一种基于双原型的个性化联邦对抗跨模态哈希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：CN119557485B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411711600.9，技术领域涉及：G06F16/901；该发明授权一种基于双原型的个性化联邦对抗跨模态哈希方法是由万文博;申晓娟;顾凌晨;李静;孙建德设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本一种基于双原型的个性化联邦对抗跨模态哈希方法在说明书摘要公布了：本发明公开了一种基于双原型的个性化联邦对抗跨模态哈希方法，主要包括以下步骤：在服务端，对客户端上传的局部类级原型进行聚类，得到聚类原型，平均以后得到无偏原型，并且根据梯度变化，使用超网络来生成客户端网络的个性化分层权重；客户端使用两个模态网络的近似哈希码和聚类原型构建对抗学习过程，并保持无偏原型与局部类级原型之间的一致性，还将无偏原型嵌入到客户端模型的训练过程中；本地训练完成后，客户端所有网络参数以及局部类级原型都将上传到服务器；最后一个通信轮次完成后，基于最终客户端参数生成待检索哈希码，以距离最小的哈希码对应的原始数据位置信息来提供原始数据检索结果。

本发明授权一种基于双原型的个性化联邦对抗跨模态哈希方法在权利要求书中公布了：1.一种基于双原型的个性化联邦对抗跨模态哈希方法，该方法通过服务端聚类局部类级原型生成聚类原型和无偏原型，在客户端，基于聚类原型的对抗学习和无偏原型的嵌入策略能够解决联邦学习中数据异构的同时缓解全局原型偏差，并且，使用超网络动态更新客户端网络不同层的权值解决联邦学习中的模型异构问题，实现对不同客户端网络参数的定制，该方法包括如下步骤： 步骤1，在服务端，对客户端上传的局部类级原型进行聚类，得到聚类原型，平均以后进一步得到无偏原型；除此之外，根据梯度变化，四个超网络分别用来生成所有客户端图像模态网络、图像鉴别器以及文本模态网络、文本鉴别器的分层权重；然后，服务端将更新后的分层权重以及聚类原型和无偏原型更新后传递给客户端； 步骤2，客户端接收到分层权重后，更新图像模态网络、文本模态网络以及图像鉴别器、文本鉴别器的个性化模型参数；然后客户端通过图像模态网络、文本模态网络提取私有数据集的特征，以获得样本丰富的语义信息和本地客户端的类级原型；使用两个模态网络的近似哈希码和聚类原型构建对抗学习过程，使客户端哈希模型选择更适合自己的原型来指导学习，将无偏原型嵌入到客户端模型的训练过程中，并保持其与局部类级原型之间的一致性； 步骤3，本地训练完成后，两种模态的客户端模型参数，以及相应的鉴别器参数以及客户端的局部类级原型都将上传到服务器；继续循环以上过程直至达到训练停止条件； 步骤4，最后一个通信轮次完成后，根据待检索数据，基于最终的客户端参数生成待检索哈希码，然后计算待检索哈希码与客户端存储的哈希码之间的汉明距离，然后以距离最小的哈希码对应的原始数据位置信息来提供原始数据检索结果。

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山东师范大学，其通讯地址为：250014 山东省济南市文化东路88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。