[發明專利]基于聯邦邊緣學習的圖像分類方法以及相關設備

在審

• 申請號: 202211213699.0
• 申請日: 2022-09-30
• 公開（公告）號: CN115424079A
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 朱光旭;曹曉雯;李曉陽
• 申請（專利權）人: 深圳市大數據研究院
• 主分類號: G06V10/764
• 分類號: G06V10/764;H04K1/02;G06F21/62;G06N20/00
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 黃英杰

1.一種基于聯邦邊緣學習的圖像分類方法，其特征在于，所述方法應用于聯邦邊緣學習系統，所述聯邦邊緣學習系統包括邊緣服務器以及多個邊緣設備，多個所述邊緣設備與所述邊緣服務器通過無線信道通信連接，所述方法包括：

通過多個所述邊緣設備分別獲取本地圖像樣本數據，并對所述本地圖像樣本數據進行隨機采樣得到批量圖像樣本數據；

通過多個所述邊緣設備分別基于所述批量圖像樣本數據對所述圖像分類模型的模型參數進行更新，直至滿足預設條件，將更新后的模型參數作為本輪迭代訓練的本地模型參數；

通過多個所述邊緣設備分別經過所述無線信道同時向所述邊緣服務器發送第一傳輸信號，所述第一傳輸信號攜帶有以第一傳輸功率發送的所述本地模型參數和以第二傳輸功率注入的第一隨機噪聲；

通過所述邊緣服務器接收由多個所述邊緣設備同時發送的第一傳輸信號聚合而成的第一接收信號，并根據所述第一接收信號確定下一輪迭代訓練的全局模型參數；

通過多個所述邊緣設備分別接收所述邊緣服務器廣播發送的所述全局模型參數，并根據所述全局模型參數對所述圖像分類模型的模型參數進行更新處理，得到目標圖像分類模型；

通過多個所述邊緣設備分別獲取待分類圖像，將所述待分類圖像輸入所述目標圖像分類模型，以通過所述目標圖像分類模型得到所述待分類圖像的分類結果。

2.根據權利要求1所述的基于聯邦邊緣學習的圖像分類方法，其特征在于，所述第一傳輸信號通過以下公式確定：

其中，所述S_k,t表示第k個所述邊緣設備在第t輪迭代訓練時向所述邊緣服務器的第一傳輸信號，所述表示第k個所述邊緣設備在第t輪迭代訓練時獲得的本地模型參數，所述n_k,t表示第k個所述邊緣設備在第t輪迭代訓練使用的第一隨機噪聲，所述p_k,t表示用于發送本地模型參數的第一傳輸功率，所述表示用于注入第一隨機噪聲n_k,t的第二傳輸功率；

所述第一接收信號通過以下公式確定：

其中，所述y_t表示第t輪迭代訓練的全局模型參數，所述h_k,t表示第k個所述邊緣設備與所述邊緣服務器在第t輪迭代訓練時的復數信道系數，所述z_t為第二隨機噪聲，服從為所述第二隨機噪聲的噪聲功率，I為單位矩陣；

所述根據所述第一接收信號確定下一輪迭代訓練的全局模型參數，所述方法還包括：

根據所述第一接收信號、所述邊緣設備的數量以及預設的降噪因子，確定下一輪迭代訓練的全局模型參數。