面向联邦学习的多模态车联网模型平衡化训练方法、系统及设备

本申请提供一种面向联邦学习的多模态车联网模型平衡化训练方法，主要包括：在服务端构建车联网模型并分发到N个客户端、所述服务端根据所述评估分数和动态客户选择算法确定参与模型训练的所述客户端、所述服务端根据学习率调整公式计算所述本地训练集中各模态类型数据的学习率，以及所述服务端根据所述学习率确定下一轮次训练的模态优化策略。本申请的每个客户端都能根据本地的情况来选择合适自己的模态进行训练，大大提高了客户端的适应范围。车联网环境下，多模态数据可以包括车辆位置、速度、摄像头图像、雷达数据等，能够综合考虑各种信息，提高模型的准确性和适应性。