买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安翔迅科技有限责任公司

摘要：本发明涉及一种人工智能的自动标注方法，具体涉及一种基于联邦学习的目标检测标签自动标注方法。解决了现有自动标注方法存在参与方部署模型的准确度和泛化性不够理想，导致标签自动标注效果差的技术问题。本发明自动标注方法包括以下步骤：1待标注的参与方选取少量样本进行人工标注；2分别利用初版预训练模型进行训练，得到本地模型权重；3分别将本地模型权重加密并发送给中央服务器；4进行安全聚合操作，得到更新权重并下发给各参与方；5通过下发的更新权重对本地模型权重进行更新；6循环步骤3至步骤5，直至得到最终目标检测模型；7待标注的参与方利用最终目标检测模型对全部待标注数据进行自动标注。

主权项：1.一种基于联邦学习的目标检测标签自动标注方法，其特征在于，包括以下步骤：步骤1待标注的参与方从所有待标注样本中选取占比为5％～10％的样本，要求选取的样本与所有待标注样本保持独立同分布，然后对选取的样本进行人工标注；其余参与方的所有样本事先均已经过人工标注；步骤2各参与方分别利用初版预训练模型对人工标注的样本进行训练得到本地模型权重；所述初版预训练模型的获取方式为，各参与方分别从中央服务器下载得到；步骤3各参与方分别使用加密技术对本地模型权重进行加密，并将加密信息发送给中央服务器；步骤4中央服务器对收到的本地模型权重通过改进的联邦学习方法进行安全聚合操作，得到安全聚合后的更新权重并下发给各参与方；所述改进的联邦学习方法为： 为安全聚合后的更新权重；K为总的参与方个数，K≥2；k为参与方序号，1≤k≤K；qk＝1-pkpk；nk为第k个参与方的样本数量，n为总的样本数量； 为第k个参与方的本地模型权重；t为更新轮次；步骤5各参与方对收到的安全聚合后的更新权重进行解密，以解密的安全聚合后的更新权重为预训练模型，使用本地数据执行梯度下降，更新本地模型权重，并计算更新后的损失函数；步骤6循环步骤3至步骤5，直至损失函数收敛或达到预设迭代次数，得到最终目标检测模型；所述预设迭代次数由当前待标注的参与方与其它参与方的样本数量关系确定：a、如果待标注的参与方的样本量与其它所有参与方的样本量没有数量级上的差别，则预设迭代次数应≥2；b、如果待标注的参与方的样本量与其它参与方中任意一个的样本量之间有数量级上的差别，则预设迭代次数应≥3；所述数量级上的差别是指待标注的参与方的样本量与其它任意一个参与方的样本量差距在10倍以上；步骤7待标注的参与方利用得到的最终目标检测模型对全部待标注数据进行自动标注。

全文数据：

权利要求：

百度查询： 西安翔迅科技有限责任公司 一种基于联邦学习的目标检测标签自动标注方法