[發(fā)明專利]基于生成對(duì)抗網(wǎng)絡(luò)的圖像分類方法、系統(tǒng)及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202010725682.8
• 申請(qǐng)日: 2020-07-24
• 公開（公告）號(hào): CN112101404A
• 公開（公告）日: 2020-12-18
• 發(fā)明（設(shè)計(jì)）人: 公茂果;汪昆;王釗;梁爽;王善峰;武越;張明陽;李豪
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N20/00;G06F21/62
• 代理公司: 西安嘉思特知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61230
• 代理人: 李園園

1.一種基于生成對(duì)抗網(wǎng)絡(luò)的圖像分類方法，其特征在于，包括：

服務(wù)端獲取待分類圖像，對(duì)各個(gè)客戶端發(fā)起是否能參加分類任務(wù)的判定請(qǐng)求；

每個(gè)客戶端根據(jù)所述判定請(qǐng)求，對(duì)自身狀態(tài)參數(shù)判定后反饋是否能參加分類任務(wù)的響應(yīng)信號(hào)給所述服務(wù)端；

所述服務(wù)端根據(jù)各個(gè)客戶端反饋的響應(yīng)信號(hào)，將所述待分類圖像分發(fā)給可以參加分類任務(wù)的目標(biāo)客戶端；

各個(gè)目標(biāo)客戶端將所述待分類圖像輸入各自預(yù)先訓(xùn)練的少樣本網(wǎng)絡(luò)模型進(jìn)行分類，得到第一分類結(jié)果；并將所述第一分類結(jié)果上傳至所述服務(wù)端；

所述少樣本網(wǎng)絡(luò)模型包括小樣本網(wǎng)絡(luò)模型和半監(jiān)督網(wǎng)絡(luò)模型中的至少一種；所述預(yù)先訓(xùn)練的少樣本網(wǎng)絡(luò)模型采用生成對(duì)抗網(wǎng)絡(luò)生成的模型訓(xùn)練樣本訓(xùn)練而成；

所述服務(wù)端對(duì)每個(gè)目標(biāo)客戶端的第一分類結(jié)果匯總整理，輸出第二分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的圖像分類方法，其特征在于，所述預(yù)先訓(xùn)練的少樣本網(wǎng)絡(luò)模型采用生成對(duì)抗網(wǎng)絡(luò)生成的模型訓(xùn)練樣本訓(xùn)練而成，包括：

所述客戶端下載公共數(shù)據(jù)，并整合所述公共數(shù)據(jù)和所述客戶端自身的私有數(shù)據(jù)，使用生成對(duì)抗網(wǎng)絡(luò)，生成模型訓(xùn)練樣本；

所述客戶端將所述模型訓(xùn)練樣本輸入所述客戶端的少樣本網(wǎng)絡(luò)模型，生成所述預(yù)先訓(xùn)練的少樣本網(wǎng)絡(luò)模型。

3.根據(jù)權(quán)利要求1所述的圖像分類方法，其特征在于，在所述服務(wù)端對(duì)每個(gè)目標(biāo)客戶端的第一分類結(jié)果匯總整理，輸出的分類結(jié)果之后，還包括：

所述服務(wù)端將所述第一分類結(jié)果和所述第二分類結(jié)果比對(duì)，輸出與所述第二分類結(jié)果不一致的第一分類結(jié)果；

所述服務(wù)端將所述與所述第二分類結(jié)果不一致的第一分類結(jié)果及所述第二分類結(jié)果反饋給各個(gè)目標(biāo)客戶端；

所述各個(gè)目標(biāo)客戶端根據(jù)反饋的與所述第二分類結(jié)果不一致的第一分類結(jié)果及所述第二分類結(jié)果更新所述各個(gè)目標(biāo)客戶端的少樣本網(wǎng)絡(luò)模型，以用于下一輪分類任務(wù)。

4.根據(jù)權(quán)利要求3所述的圖像分類方法，其特征在于，所述各個(gè)目標(biāo)客戶端根據(jù)反饋的與所述第二分類結(jié)果不一致的第一分類結(jié)果及所述第二分類結(jié)果更新所述各個(gè)目標(biāo)客戶端的少樣本網(wǎng)絡(luò)模型，包括：

所述各個(gè)目標(biāo)客戶端根據(jù)反饋的所述不一致的第一分類結(jié)果及所述第二分類結(jié)果更新所述生成對(duì)抗網(wǎng)絡(luò)；

基于更新的生成對(duì)抗網(wǎng)絡(luò)更新模型訓(xùn)練樣本；

基于更新的模型訓(xùn)練樣本更新所述少樣本網(wǎng)絡(luò)模型。

5.根據(jù)權(quán)利要求1所述的圖像分類方法，其特征在于，在所述服務(wù)端對(duì)每個(gè)目標(biāo)客戶端的第一分類結(jié)果匯總整理，輸出第二分類結(jié)果之后，還包括：

所述服務(wù)端對(duì)所述第二分類結(jié)果進(jìn)行差分隱私保護(hù)，輸出第三分類結(jié)果。

6.一種基于生成對(duì)抗網(wǎng)絡(luò)的分類模型訓(xùn)練方法，其特征在于，包括：

客戶端下載公共數(shù)據(jù)，并整合所述公共數(shù)據(jù)和客戶端自身的私有數(shù)據(jù)，使用生成對(duì)抗網(wǎng)絡(luò)，生成模型訓(xùn)練樣本；所述公共數(shù)據(jù)存儲(chǔ)于服務(wù)端或獨(dú)立于服務(wù)端之外的公共存儲(chǔ)裝置上；

所述客戶端將所述模型訓(xùn)練樣本輸入所述客戶端的少樣本網(wǎng)絡(luò)模型，生成預(yù)先訓(xùn)練的分類模型；所述少樣本網(wǎng)絡(luò)模型包括小樣本網(wǎng)絡(luò)模型和半監(jiān)督網(wǎng)絡(luò)模型中的至少一種。

7.一種基于生成對(duì)抗網(wǎng)絡(luò)的圖像分類方法，其特征在于，應(yīng)用于服務(wù)端，所述方法包括：

獲取待分類圖像，對(duì)客戶端發(fā)起是否能參加分類任務(wù)的判定請(qǐng)求；

根據(jù)各個(gè)客戶端反饋的響應(yīng)信號(hào)，將所述待分類圖像分發(fā)給可以參加分類任務(wù)的目標(biāo)客戶端；所述響應(yīng)信號(hào)由所述客戶端根據(jù)所述判定請(qǐng)求產(chǎn)生；

對(duì)每個(gè)目標(biāo)客戶端的第一分類結(jié)果匯總整理，輸出第二分類結(jié)果；

所述第一分類結(jié)果由各個(gè)目標(biāo)客戶端將所述待分類圖像輸入各自預(yù)先訓(xùn)練的少樣本網(wǎng)絡(luò)模型后獲得；所述少樣本網(wǎng)絡(luò)模型包括小樣本網(wǎng)絡(luò)模型和半監(jiān)督網(wǎng)絡(luò)模型中的至少一種；所述預(yù)先訓(xùn)練的少樣本網(wǎng)絡(luò)模型采用生成對(duì)抗網(wǎng)絡(luò)生成的模型訓(xùn)練樣本訓(xùn)練而成。