一种基于联邦学习的数据增强方法及系统

本申请公开了一种基于联邦学习的数据增强方法及系统，涉及数据处理技术领域，该方法包括：根据各边缘节点的距离，将与中心服务器连接的所有边缘节点划分为多个边缘组，各边缘组中任意两个边缘节点之间的距离小于设定距离阈值；中心服务器部署有全局模型，各边缘节点均部署有本地模块，全局模型和各本地模块均为生成对抗网络；采用各边缘节点的本地数据对全局模型进行联邦学习，得到各边缘节点训练好的本地模型；联邦学习的每轮全局训练时，随机选择一个边缘组与中心服务器进行全局模型训练；采用各边缘节点的训练好的本地模型进行本地数据增强；训练好的本地模型用于根据输入的原始图像输出新的样本图像。本申请提高了数据增强的有效性。