基于无知识蒸馏和梯度匹配的联邦个性化学习方法及系统

本发明公开了一种基于无知识蒸馏和梯度匹配的联邦个性化学习方法及系统，本发明包括分别为每一个参与中心构建图像分类模型，包括特征编码器、分类器、无知识蒸馏模块和梯度匹配模块，分别利用每一个参与中心的私有数据训练图像分类模型并计算分类损失，并结合无知识蒸馏模块和梯度匹配模块计算联邦变分蒸馏损失和梯度匹配损失；将分类损失、联邦变分蒸馏损失和梯度匹配损失融合构成总损失以实现各个参与中心的图像分类模型的模型参数的优化更新。本发明旨在充分利用多中心域不变信息的同时，增加域特定信息的约束，为每个参与中心训练一个个性化联邦深度模型，实现在其本地脑影像或其他图像的分类任务中达到最优性能。