一种通信高效的异构联邦学习训练方法

本发明公开了一种通信高效的异构联邦学习训练方法，应用于一个服务端和多个客户端构成的系统，一方面，本发明在本地模型训练时，客户端本地优化并上传一个二进制掩码，从而大幅降低了联邦学习的通信成本，同时解决了低端设备难以参与复杂联邦学习模型训练的问题；另一方面，本发明利用客户端上传的二进制掩码能够很好的反应数据分布的特征，无需额外信息即可对数据异构的客户端进行聚类，让具有不同数据分布的客户端拥有不同的模型，提高了异构场景下的模型推理性能。利用本发明方法得到本地模型可用于完成预设图像检测任务。