一种对抗运动模糊的联邦自监督学习方法

本发明涉及一种对抗车辆运动模糊的联邦自监督学习方法，B‑FLSimCo方法Kmax个片段，每个片段k包括Rmax个轮次，开始阶段，基站收集训练车辆的初始位置并初始化一个全局模型，对于每一轮次迭代，基站通过聚合上一轮接收到的本地模型来获取一个全局模型，每辆训练车辆从基站下载全局模型并进行本地训练得到本地模型，在本地训练的过程中捕获新的图像以供下一轮使用；当本地训练完成，每辆车辆将其本地模型和基于移动模型收集本地数据时的行驶速度传输到基站以进行聚合得到新的全局模型；重复该过程直到达到片段Kmax的Rmax轮次；本发明提供的B‑FLSimCo方法有效解决了现有技术中联邦学习平均聚合、车辆运动导致收集图像模糊引起的全局模型准确性不高、收敛性不好的问题。