摘要
本申请涉及一种地理标志性醋产品识别方法、设备及存储介质,属于机器学习技术领域。本申请通过构建地理标志性醋产品联邦学习框架,包括中心节点和多个本地节点;中心节点采用构建的编码器模型对醋产品的高光谱检测数据进行特征提取,并将构建的编码器模型下发至各个本地节点;本地节点采用中心节点下发的编码器模型对醋样本的高光谱检测数据进行特征提取;中心节点通过循环蒸馏各个本地节点构建的本地扩散生成模型,构建全局的扩散生成模型;采用模拟的醋样本高光谱表征数据以及标签数据对地理标志性醋产品的分类器进行训练。本申请基于联邦学习进行分类器算法的不断优化,实现对不同类别、品牌的醋产品进行品质的快速、准确地识别。
技术关键词
产品识别方法
编码器
序列特征
节点
图像特征数据
长短期记忆网络
注意力机制
产品识别设备
补丁
样本
多尺度特征提取
分类器算法
蒸馏
软阈值函数
图像特征提取
机器学习技术
系统为您推荐了相关专利信息
分类方法
卷积特征提取
注意力
时域特征
频域特征
区块链服务器
资源优化调度方法
智能管理平台
微处理器
定价策略
飞行器模型
转换算法
体系建模方法
节点
物理建模方法
分布式跟踪方法
协方差矩阵
弹道导弹
噪声方差
估计误差
智能额温枪
精度优化方法
交互终端
采集终端
红外热电堆传感器