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！

龙图腾网获悉昆明理工大学申请的专利结合旋转自监督和CLIP指导的长尾图像分类的联邦学习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：CN119206327B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202411258488.8，技术领域涉及：G06V10/764；该发明授权结合旋转自监督和CLIP指导的长尾图像分类的联邦学习方法是由付晓东;刘海军;丁家满;刘骊;彭玮;代飞设计研发完成，并于2024-09-09向国家知识产权局提交的专利申请。

本结合旋转自监督和CLIP指导的长尾图像分类的联邦学习方法在说明书摘要公布了：本发明涉及一种结合旋转自监督和CLIP指导的长尾图像分类的联邦学习方法，属于长尾联邦学习领域。首先，本发明通过使用旋转自监督学习来指导本地客户端地训练，减少长尾数据对模型特征提取器造成的影响并使模型更好地学习图像的特征。其次，本发明利用预训练的CLIP对旋转之后的图像进行指导，将CLIP中丰富的知识转移到客户端模型中，进一步提升模型特征提取器的性能。最后，服务器生成一组使用CLIP指导的类别平衡的联邦特征，用于重新训练聚合后的模型的分类层，以提升全局模型的精度。本发明通过利用旋转自监督和CLIP指导模型训练，有效提高了客户端模型特征提取器提取图像中特征的能力，并缓解了长尾数据造成的影响，提升了最终全局模型的识别准确率。

本发明授权结合旋转自监督和CLIP指导的长尾图像分类的联邦学习方法在权利要求书中公布了：1.一种结合旋转自监督和CLIP指导的长尾图像分类的联邦学习方法，其特征在于，具体步骤为： Step1：客户端使用服务器下发的全局模型在本地数据集上计算分类层的梯度，然后将当前收到的全局模型作为当前本地客户端模型，使用本地数据集对当前本地客户端模型进行训练，并使用旋转自监督和CLIP指导当前本地客户端模型地训练； Step2：服务器聚合Step1训练完成后的客户端模型成为下一轮的全局模型，并利用从客户端收集的分类器梯度生成联邦特征，在生成联邦特征的过程中，使用CLIP指导联邦特征的生成； Step3：服务器复制一份Step2得到的聚合后的全局模型，并使用联邦特征重新训练复制后的全局模型的分类层，最后将Step2得到的聚合后的全局模型分发至客户端； Step4：重复Step1至Step3，直至达到最大通信次数，完成训练； 所述步骤Step1具体为： S1.1、对于每个客户端和每个类别，基于其本地数据集，使用当前下发的全局模型计算第个类别的分类器梯度； ； 其中，为第个通信轮次客户端，为交叉熵损失函数，为第个客户端的第个类产生的维真实特征，为样本标签； S1.2、对于客户端，将当前收到的全局模型作为本地模型，其本地数据集中的每一个样本，将样本分别旋转，旋转后的标签为；客户端额外创建一个四分类的分类器，然后将旋转后的样本以及标签送入客户端的特征提取器中，然后将特征提取器的输出输入到四分类分类器中，以此构造旋转自监督学习，至此，模型训练中的有监督学习和旋转自监督的损失表示为： ； 其中，为客户端正常训练的有监督训练的损失，y为样本x的标签，为旋转自监督学习的损失，为控制旋转自监督学习影响的超参数，为旋转后的样本，为旋转后的样本所对应的标签； S1.3、对于训练中的每个客户端，将其本地数据集中的每一个样本以及旋转后的样本输入到CLIP中，分别得到CLIP输出的向量，表示为和，使用知识蒸馏对本地客户端模型进行指导，损失表示为： ； 其中，和为本地客户端模型输出的样本和旋转后的数据集输出的向量，KL为KL散度，和为控制CLIP指导的程度的超参数； S1.4、本地客户端模型训练的总损失为： 。

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昆明理工大学，其通讯地址为：650031 云南省昆明市一二一大街文昌路68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。