[發明專利]基于聯邦少樣本網絡模型的分類方法、系統及電子設備

在審

• 申請號: 202010724611.6
• 申請日: 2020-07-24
• 公開（公告）號: CN112101403A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 公茂果;汪昆;王釗;王善峰;武越;張明陽;李豪
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G06F21/62
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 李園園

1.一種基于聯邦少樣本網絡模型的分類方法，其特征在于，包括：

服務端獲取待分類圖像，對各個客戶端發起是否能參加分類任務的判定請求；

每個客戶端根據所述判定請求，對自身狀態參數判定后反饋是否能參加分類任務的響應信號給所述服務端；

所述服務端根據各個客戶端反饋的響應信號，將所述待分類圖像分發給可以參加分類任務的目標客戶端；

各個目標客戶端將所述待分類圖像輸入各自預先訓練的少樣本網絡模型進行分類，得到第一分類結果；并將所述第一分類結果上傳至所述服務端；所述少樣本網絡模型包括小樣本網絡模型和半監督網絡模型中的至少一種；

所述服務端對各個目標客戶端的第一分類結果匯總整理，輸出第二分類結果。

2.根據權利要求1所述的基于聯邦少樣本網絡模型的分類方法，其特征在于，在輸出第二分類結果之前還包括：

所述服務端對匯總整理后的第一分類結果進行差分隱私保護。

3.根據權利要求1所述的基于聯邦少樣本網絡模型的分類方法，其特征在于，所述預先訓練的少樣本網絡模型的訓練方法，包括：

所述客戶端下載公共數據，并整合所述公共數據和所述客戶端自身的私有數據，得到模型訓練參數；所述公共數據存儲于所述服務端或獨立于所述服務端之外的公共存儲裝置上；

所述客戶端將所述模型訓練參數輸入所述客戶端的少樣本網絡模型，生成所述預先訓練的少樣本網絡模型。

4.一種基于聯邦少樣本網絡模型的分類方法，其特征在于，應用于客戶端，所述方法包括：

接收是否能參加分類任務的判定請求，對自身狀態參數判定后反饋是否能參加分類任務的響應信號給服務端；所述是否能參加分類任務的判定請求由所述服務端發起；

接收待分類圖像，并將其輸入預先訓練的少樣本網絡模型進行分類后輸出第一分類結果；并將所述第一分類結果上傳至所述服務端；所述少樣本網絡模型包括小樣本網絡模型和半監督網絡模型中的至少一種；所述待分類圖像由所述服務端根據所述響應信號分發。

5.根據權利要求4所述的基于聯邦少樣本網絡模型的分類方法，其特征在于，所述預先訓練的少樣本網絡模型的訓練方法，包括：

所述客戶端下載公共數據，整合所述公共數據和所述客戶端自身的私有數據，得到模型訓練參數；所述公共數據存儲于服務端或獨立于所述服務端之外的公共存儲裝置上；

所述客戶端將所述模型訓練參數輸入所述客戶端的少樣本網絡模型，生成所述預先訓練的少樣本網絡模型。

6.一種基于聯邦少樣本網絡模型的分類方法，其特征在于，應用于服務端，所述方法包括：

獲取待分類圖像，對客戶端發起是否能參加分類任務的判定請求；

根據各個客戶端反饋的響應信號，將所述待分類圖像分發給可以參加分類任務的目標客戶端；所述響應信號由所述客戶端根據所述判定請求產生；

接收第一分類結果，并將所述第一分類結果匯總整理后輸出第二分類結果；所述第一分類結果由各個目標客戶端將所述待分類圖像輸入預先訓練的少樣本網絡模型后獲得；所述少樣本網絡模型包括小樣本網絡模型和半監督網絡模型中的至少一種。

7.一種基于聯邦少樣本網絡模型的分類系統，其特征在于，包括服務端和客戶端；其中，

服務端獲取待分類圖像，對各個客戶端發起是否能參加分類任務的判定請求；

每個客戶端根據所述判定請求，對自身狀態參數判定后反饋是否能參加分類任務的響應信號給所述服務端；

所述服務端根據各個客戶端反饋的響應信號，將所述待分類圖像分發給可以參加分類任務的目標客戶端；

各個目標客戶端將所述待分類圖像輸入各自預先訓練的少樣本網絡模型進行分類，得到第一分類結果；并將所述第一分類結果上傳至所述服務端；所述少樣本網絡模型包括小樣本網絡模型和半監督網絡模型中的至少一種；

所述服務端對各個目標客戶端的第一分類結果匯總整理，輸出第二分類結果。