[發(fā)明專利]基于聯(lián)邦邊緣學(xué)習(xí)的圖像分類方法以及相關(guān)設(shè)備

在審

• 申請?zhí)枺?/td>: 202211213699.0
• 申請日: 2022-09-30
• 公開（公告）號: CN115424079A
• 公開（公告）日: 2022-12-02
• 發(fā)明（設(shè)計）人: 朱光旭;曹曉雯;李曉陽
• 申請（專利權(quán)）人: 深圳市大數(shù)據(jù)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(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 黃英杰

本申請涉及計算機(jī)技術(shù)領(lǐng)域，提供了一種基于聯(lián)邦邊緣學(xué)習(xí)的圖像分類方法以及相關(guān)設(shè)備，該方法應(yīng)用于聯(lián)邦邊緣學(xué)習(xí)系統(tǒng)，所述聯(lián)邦邊緣學(xué)習(xí)系統(tǒng)包括邊緣服務(wù)器以及多個邊緣設(shè)備，多個所述邊緣設(shè)備與所述邊緣服務(wù)器通過無線信道通信連接，通過多個邊緣設(shè)備分別經(jīng)過無線信道同時向邊緣服務(wù)器發(fā)送第一傳輸信號，第一傳輸信號攜帶有以第一傳輸功率發(fā)送的本地模型參數(shù)和以第二傳輸功率注入的第一隨機(jī)噪聲，本申請實施例通過無線信道的疊加特性對所有邊緣設(shè)備上傳的模型參數(shù)進(jìn)行匯總平均，提高圖像分類方法中模型學(xué)習(xí)的收斂速度，同時注入噪聲，加強(qiáng)隱私保護(hù)。

技術(shù)領(lǐng)域

本申請涉及計算機(jī)技術(shù)領(lǐng)域，尤其涉及一種基于聯(lián)邦邊緣學(xué)習(xí)的圖像分類方法以及相關(guān)設(shè)備。

背景技術(shù)

在無線網(wǎng)絡(luò)邊緣融入人工智能，進(jìn)行實時的分布式智能訓(xùn)練，是實現(xiàn)通信網(wǎng)絡(luò)全面智能化升級的一個關(guān)鍵技術(shù)挑戰(zhàn)。聯(lián)邦學(xué)習(xí)憑借用戶隱私和數(shù)據(jù)安全方面具有獨特的優(yōu)勢，也獲得了非常廣泛的關(guān)注。在聯(lián)邦學(xué)習(xí)中，各個邊緣設(shè)備在邊緣服務(wù)器的協(xié)調(diào)下，利用本地數(shù)據(jù)聯(lián)合訓(xùn)練共享的機(jī)器學(xué)習(xí)模型。

對于計算機(jī)視覺領(lǐng)域中的圖像分類技術(shù)，其在實際應(yīng)用中對數(shù)據(jù)隱私的保護(hù)需求使得原始數(shù)據(jù)無法共享，多個數(shù)據(jù)源之間形成“數(shù)據(jù)孤島”。基于聯(lián)邦邊緣學(xué)習(xí)的圖像分類因此被提出，通過聯(lián)邦學(xué)習(xí)方式訓(xùn)練分類模型，使得每個聯(lián)邦學(xué)習(xí)的參與者能夠從其他參與者的圖像數(shù)據(jù)中獲益，同時能夠確保每個參與者的圖像數(shù)據(jù)不離開本地，在保證了各方數(shù)據(jù)隱私的前提下成功解決了數(shù)據(jù)孤島的問題。

然而，基于傳統(tǒng)聯(lián)邦邊緣學(xué)習(xí)的圖像分類方法，當(dāng)存在過多邊緣設(shè)備或需要較多迭代訓(xùn)練時，則存在通信開銷大、模型訓(xùn)練效率慢等問題，另一方面，邊緣設(shè)備上傳的模型參數(shù)仍然存在有用信息，邊緣服務(wù)器(或環(huán)境中的竊聽者)可以從接收信息中惡意推斷出邊緣設(shè)備的私有信息。

發(fā)明內(nèi)容

本申請實施例的主要目的在于提出一種基于聯(lián)邦邊緣學(xué)習(xí)的圖像分類方法以及相關(guān)設(shè)備，通過無線信道的疊加特性對所有邊緣設(shè)備上傳的模型參數(shù)進(jìn)行匯總平均，提高圖像分類方法中模型學(xué)習(xí)的收斂速度，同時注入噪聲，加強(qiáng)隱私保護(hù)。

為實現(xiàn)上述目的，本申請實施例的第一方面提出了一種基于聯(lián)邦邊緣學(xué)習(xí)的圖像分類方法，所述方法應(yīng)用于聯(lián)邦邊緣學(xué)習(xí)系統(tǒng)，所述聯(lián)邦邊緣學(xué)習(xí)系統(tǒng)包括邊緣服務(wù)器以及多個邊緣設(shè)備，多個所述邊緣設(shè)備與所述邊緣服務(wù)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(shè)備分別獲取本地圖像樣本數(shù)據(jù)，并對所述本地圖像樣本數(shù)據(jù)進(jìn)行隨機(jī)采樣得到批量圖像樣本數(shù)據(jù)；

通過多個所述邊緣設(shè)備分別基于所述批量圖像樣本數(shù)據(jù)對所述圖像分類模型的模型參數(shù)進(jìn)行更新，直至滿足預(yù)設(shè)條件，將更新后的模型參數(shù)作為本輪迭代訓(xùn)練的本地模型參數(shù)；

通過多個所述邊緣設(shè)備分別經(jīng)過所述無線信道同時向所述邊緣服務(wù)器發(fā)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(fā)送的所述本地模型參數(shù)和以第二傳輸功率注入的第一隨機(jī)噪聲；

通過所述邊緣服務(wù)器接收由多個所述邊緣設(shè)備同時發(fā)送的第一傳輸信號聚合而成的第一接收信號，并根據(jù)所述第一接收信號確定下一輪迭代訓(xùn)練的全局模型參數(shù)；

通過多個所述邊緣設(shè)備分別接收所述邊緣服務(wù)器廣播發(fā)送的所述全局模型參數(shù)，并根據(jù)所述全局模型參數(shù)對所述圖像分類模型的模型參數(shù)進(jìn)行更新處理，得到目標(biāo)圖像分類模型；

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

根據(jù)本申請一些實施例提供的基于聯(lián)邦邊緣學(xué)習(xí)的圖像分類方法，所述第一傳輸信號通過以下公式確定：