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！

龙图腾网获悉北京邮电大学申请的专利基于对比学习的联邦少样本图像分类模型训练方法、分类方法及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：CN116229172B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202310207512.4，技术领域涉及：G06V10/764；该发明授权基于对比学习的联邦少样本图像分类模型训练方法、分类方法及设备是由高志鹏;赵晨;芮兰兰;杨杨;莫梓嘉;俞新蕾;杨岩设计研发完成，并于2023-03-03向国家知识产权局提交的专利申请。

本基于对比学习的联邦少样本图像分类模型训练方法、分类方法及设备在说明书摘要公布了：本发明提供一种基于对比学习的联邦少样本图像分类模型训练方法、分类方法及设备，包括：构建训练集和查询集，为训练集添加真实标签；获取初始模型，该初始模型包括嵌入网络和关系网络；将训练集样本和查询集样本成对输入嵌入网络，提取训练集样本特征图和查询集样本特征图并进行拼接，生成拼接特征图；将拼接特征图输入关系网络计算得到相似度分数，以得到训练集样本的类别；采用本地数据集对初始模型进行训练，并构建均方误差损失，得到初始图像分类模型；基于各客户端模型参数构建共享模型，并根据共享模型参数，采用指数移动平均更新所述初始图像分类模型，得到最终的图像分类模型。本发明提供的联邦学习模型训练简单且适用非独立同分布场景。

本发明授权基于对比学习的联邦少样本图像分类模型训练方法、分类方法及设备在权利要求书中公布了：1.一种基于对比学习的联邦少样本图像分类模型训练方法，其特征在于，所述方法在各客户端执行，包括以下步骤： 获取本地数据集，并对所述本地数据集进行强数据增强；所述本地数据集包含多个类，每个类中包含多个样本，每个样本中包含一张图像；从所述本地数据集中随机选择第一预设数量类，每类中随机选择第二预设数量个样本，构建训练集，其余作为查询集；为所述训练集添加真实类别标签； 获取初始模型；所述初始模型包括嵌入网络和关系网络，所述嵌入网络包括3个卷积块和2个最大池化层，每个卷积块还包括1个卷积层、1个批处理归一化层和1个ReLu非线性层；所述关系网络包括2个卷积块、2个最大池化层、第一全连接层和第二全连接层；所述第一全连接层还包括1个ReLu非线性层；所述第二全连接层还包括1个Sigmoid非线性层；将所述训练集的单个样本和所述查询集的单个样本成对输入所述嵌入网络，提取训练集样本特征图和查询集样本特征图；将所述训练集样本特征图和所述查询集样本特征图拼接，生成拼接特征图；将所述拼接特征图输入所述关系网络，生成所述第一预设数量个相似度分数，并根据所述相似度分数输出所述训练集样本相应的类别； 利用所述本地数据集对所述初始模型进行训练，构建所述关系网络输出的类别与所述真实类别标签之间的均方误差损失，利用所述均方误差损失对所述初始模型的参数进行迭代，以得到初始图像分类模型； 将所述初始图像分类模型的模型参数发送至全局服务器，以生成共享模型；所述共享模型由所述全局服务器根据各客户端初始图像分类模型参数加权聚合得到；接收所述共享模型的参数，并采用指数移动平均更新所述初始图像分类模型，以得到最终的图像分类模型。

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北京邮电大学，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”。

以上内容由龙图腾AI智能生成。