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！

龙图腾网获悉山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)申请的专利面向类别不平衡的联邦学习图像分类方法及系统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：CN116994054B 。

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：202310986619.3，技术领域涉及：G06V10/764；该发明授权面向类别不平衡的联邦学习图像分类方法及系统是由杨美红;刘国正;张玮;史慧玲;谭立状;郝昊;丁伟设计研发完成，并于2023-08-07向国家知识产权局提交的专利申请。

本面向类别不平衡的联邦学习图像分类方法及系统在说明书摘要公布了：本发明公开了面向类别不平衡的联邦学习图像分类方法及系统，多个客户端按照标准的联邦学习方法联合训练一个全局模型；每个客户端将本地训练数据划分为头类和尾类，计算得到尾类所对应的混淆类，基于类激活图对本地训练数据中的尾类和对应的混淆类进行特征提取，得到尾类特有特征和混淆类通用特征；每个客户端将尾类特有特征与对应的混淆类通用特征进行特征融合，得到尾类的增广样本，以增强本地训练数据；每个客户端使用增强的本地训练数据对全局模型进行微调，并将其上传到服务器来进一步更新全局模型。此外，本发明设计了一个新的损失函数TailDistillationLoss，能够减轻全局类不平衡的影响。

本发明授权面向类别不平衡的联邦学习图像分类方法及系统在权利要求书中公布了：1.面向类别不平衡的联邦学习图像分类方法，其特征是，包括： 服务器向客户端发送当前的全局模型参数，客户端使用所接收到的模型参数和本地训练数据进行模型更新，并将更新后的本地模型上传到服务器，服务器对所有客户端上传的本地模型进行聚合，得到新的全局模型参数，服务器基于新的全局模型参数进行下一轮通信，直至全局模型收敛； 每个客户端将本地训练数据划分为头类和尾类，计算得到尾类所对应的混淆类，基于类激活图对本地训练数据中的尾类和其对应的混淆类进行特征提取，得到尾类特有特征和混淆类通用特征，具体包括： 首先，计算类的分数相对于图像分类模型中最后一个卷积层输出的第个通道的特征图的梯度； 然后，对梯度在宽度和高度维度上进行全局平均池化以获得神经元权重： 其中，的含义是； 最后，基于神经元权重，对特征激活映射进行加权组合，并在其后面进行激活函数操作，得到类的类激活映射： 其中，表示激活函数； 将类激活映射的值归一化为0到1的范围，因此，给定一个阈值，将类激活映射分解为和两部分，将特征向量分离为混淆类通用特征和尾类特有特征； 混淆类通用特征： 尾类特有特征： 其中，为两个张量之间的Hadamard积，sgn为符号函数，当时，，当时，； 每个客户端将尾类特有特征与对应的混淆类通用特征进行特征融合，得到融合特征，将融合特征作为尾类的增广样本；将尾类的增广样本补充到本地训练数据中，得到增强的本地训练数据； 每个客户端使用增强的本地训练数据，对训练得到的全局模型进行再训练，将再训练后的模型上传到服务器，服务器对所有客户端上传的模型进行聚合，进一步更新全局模型，并进行下一轮通信，直至全局模型重新收敛； 每个客户端使用最终收敛后的全局模型，对待识别图像进行图像分类。

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省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)，其通讯地址为：250000 山东省济南市历下区科院路19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。