申请/专利权人:南京航空航天大学
申请日:2024-01-31
公开(公告)日:2024-06-25
公开(公告)号:CN118247342A
主分类号:G06T7/73
分类号:G06T7/73;G06V10/766;G06V10/82;G06V10/94;G06V10/774;G06N3/0895;G06N3/088;G06N3/09;G06N3/098
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明公开了一种基于半监督联邦学习的视觉定位方法、装置及介质,所述方法包括当视觉场景发生变化后,用户使用客户端设备采集无标签图像数据;在每轮通信回合内,每个边缘服务器下的客户端基于无标签数据进行训练,并且采用模型参数分解策略,区分有监督学习与无监督学习;本地客户端基于融合了伪标签与一致性正则化损失的无监督损失函数进行多轮训练,上传更新的模型参数到边缘服务器端;每轮通信回合内,边缘服务器端综合考虑有标签数据与无标签数据的影响,根据聚合算法HierAgg进行模型参数聚合;进行多轮通信回合,获得更新后的模型。本发明利用视觉场景变化后产生的无标签数据,基于半监督联邦学习解决了模型随着场景变化进行自适应更新的问题。
主权项:1.一种基于半监督联邦学习的视觉定位方法,其特征在于,采用云服务器-边缘服务器-客户端的分层架构,分别在边缘服务器、云服务器进行聚合,使边缘服务器、云服务器都得到更新;具体实现过程如下:当视觉场景发生变化后,用户使用客户端设备采集无标签图像数据;在每轮通信回合内,每个边缘服务器下的客户端基于无标签数据进行训练,并且采用模型参数分解策略,区分有监督学习与无监督学习;无监督损失函数中融合伪标签与一致性正则化损失;本地客户端基于该损失进行多轮训练,上传更新的模型参数到边缘服务器端;每轮通信回合内,边缘服务器端综合考虑有标签数据与无标签数据的影响,根据聚合算法HierAgg进行模型参数聚合;经过多轮通信回合,获得更新后的视觉定位模型;客户端使用更新后的模型进行定位。
全文数据:
权利要求:
百度查询: 南京航空航天大学 一种基于半监督联邦学习的视觉定位方法、装置及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。