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！

龙图腾网获悉中南大学;中国铁道科学研究院集团有限公司;中国国家铁路集团有限公司申请的专利联邦学习背景下跨参与方图像重构方法、系统及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：CN120014087B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202510084985.9，技术领域涉及：G06T11/00；该发明授权联邦学习背景下跨参与方图像重构方法、系统及介质是由费洪晓;陈德轩;龙军;罗跃逸;齐倩倩;洪俊坤;李国华;邹丹;孙思齐;王沛然;吴江设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本联邦学习背景下跨参与方图像重构方法、系统及介质在说明书摘要公布了：本发明公开了一种联邦学习背景下跨参与方图像重构方法、系统及介质，其中方法包括：根据客户端上传的目标梯度推断目标图像的标签；构建条件去噪扩散隐式模型，以隐变量和标签为输入，生成匹配图像；确定损失函数，损失函数中包括匹配梯度相对于目标梯度的损失与生成匹配图像的正则化损失，匹配梯度通过将匹配图像和标签一同放入联邦学习模型学习一轮得到；初始化隐变量，根据损失函数依次优化前隐变量n个时间步的隐变量，进而基于优化的隐变量和推断的标签，使用条件去噪扩散隐式模型得到重构图像。通过梯度匹配损失和正则化损失依次对条件去噪扩散隐式模型的前n个隐变量进行优化，提高了优化效率，重构图像更忠实于目标图像。

本发明授权联邦学习背景下跨参与方图像重构方法、系统及介质在权利要求书中公布了：1.一种联邦学习背景下跨参与方图像重构方法，其特征在于，包括如下步骤： S1：从标准正态分布中采样与联邦学习模型的输入相同形状的张量，作为初始的隐变量； S2：获取客户端上传的目标梯度，并基于目标梯度推断目标图像的标签； S3：使用条件去噪扩散隐式模型，以隐变量和推断的标签为输入，生成匹配图像； S4：将匹配图像和推断的标签一同放入联邦学习模型，经过一轮前向传播和反向传播，得到联邦学习模型的匹配梯度； S5：计算损失函数，损失函数中包括匹配梯度相对于目标梯度的损失与生成匹配图像的正则化损失； S6：根据损失函数优化隐变量； S7：重复步骤S3～S6，直至损失函数收敛于最小值或达到预定轮数，得到时间步t的隐变量zt； S8：将优化的对象由时间步t的隐变量zt更新至时间步t-1的隐变量zt-1，zt-1的初始值由zt经过条件去噪扩散隐式模型一步采样得到； S9：然后重复步骤S3～S8，直至完成前n个时间步的隐变量的优化； S10：基于前n个时间步的隐变量和推断的标签，使用条件去噪扩散隐式模型得到重构图像。

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中南大学;中国铁道科学研究院集团有限公司;中国国家铁路集团有限公司，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。