一种基于联邦迁移学习的工业缺陷分类开集识别方法

本发明公开了一种基于联邦迁移学习的工业缺陷分类开集识别方法，属于联邦学习及工业缺陷分类技术领域，包括数据准备，构建一个综合的负样本数据集；训练客户端对数据进行输入训练，得到对应的分类模型和未知类别阈值；模型更新与上传；模型与阈值的权重计算与聚合；模型部署与推断，目标客户端接收服务端发送的全局模型，用于待测数据缺陷分类。本发明采用上述的一种基于联邦迁移学习的工业缺陷分类开集识别方法，在面对多源域和待测数据存在未知类别数据分类的问题场景下，学习到未知类别的分类能力，并将其应用到目标域用户上，协同多方参与者共同训练模型和阈值，在数据量有限和计算资源受限的情况下，提高模型的泛化能力和准确性。